Bonjour à tous et bienvenue dans un nouvel épisode des Microsoft Knowledge Nuggets Signet ici sur M365. FM, je suis votre autre Mirko Peters. Aujourd'hui, nous abordons un sujet dont tous ceux qui travaillent avec l'IA ont entendu parler, mais que presque personne ne s'est expliqué simplement. Il s'agit du modèle contexte protocole de combat. Mais de cette... Vous êtes sur Teams et vous posez une question simple à votre assistant IA, comme « Quel est le statut du projet Johnson ? » Et il répond « Accès désolé, je ne peux pas accéder à cette information. » Ça vous rappelle quelque chose ? L'IA est intelligente, le modèle est puissant, mais il ne peut pas voir vos données. Il est déconnecté des systèmes où se trouve votre travail réel. C'est le problème fondamental que le MCP résout. À la fin de cet épisode, vous comprendrez ce qu'est réellement le MCP, pourquoi il est important pour tout utilisateur de Microsoft 365 et comment il transforme ce que l'IA peut faire pour vous. Nous allons décomposer cela en briquement. Le problème, la solution, le fonctionnement, est-ce que cela signifie chez Microsoft ? Commençons donc par le problème, car vous l'avez probablement déjà ressenti vous-même. Le problème ? Chaque outil d'IA devait être construit sur mesure. Avant l'existence du MCP, si vous vouliez qu'un assistant IA soit utile, vérifiez votre calendrier, récupèrent un fichier sur SharePoint ou cherchent une fiche client dans Dynamics, vous deviez écrire un code personnalisé pour chacun A. Chaque connexion, chaque source de données nécessitait un code distinct. Voici le fond du problème. Chaque système parle son propre langage API. Votre calendrier utilise un format, SharePoint en utilise un autre et Dynamics encore un autre, un autre. Authentification différente, règles différentes, méthodes différentes pour demander des données et les recevoir. Si vous vouliez que votre IA communique avec trois systèmes, vous devez construire trois connecteurs personnalisés. Voyez les choses ainsi. Imaginez que vous êtes dans votre salon avec une télévision, une chaîne E-Fi et des lumières intelligentes. Chacun est livré avec sa propre télécommande et aucune de ces télécommandes ne fonctionne avec un autre appareil. Il vous faut la télécommande de la télé pour la télé, celle de la chaîne E-Fi pour la chaîne et une application séparée pour les lumières. C'est à cela que ressemblait le développement de l'IA avant le MCP. Chaque outil nécessitait sa propre intégration sur mesure. Pour les utilisateurs Microsoft, cela touche une courte sensible. Pensez à ce que Copilote doit faire quand vous lui posez une question. Il peut vérifier votre calendrier Exchange pour des réunions, lire les emails récents d'un client spécifique ou chercher une fiche client dans Dynamics. Cela représente trois connexions à pays différents, trois intégrations séparées, chacune nécessitant un travail de développement personnalisé. Le résultat ? La plupart des outils d'IA ont choisi la facilité et sont restés génériques. Vous posez une question sur votre propre travail et l'IA répondait « je ne peux pas accéder à ces données ». Ou alors « je dois d'abord configurer une connexion ». Une véritable intégration impliquée à un développement sur mesure coûteuse que la plupart des organisations n'ont jamais atteint. Voici maintenant l'élément clé. Le grand modèle de langage lui-même est incroyablement puissant. Il peut raisonner, résumer, générer et analyser, mais sans accès à vos données réelles, il est aveugle. C'est comme avoir l'assistant le plus intelligent au monde enfermé dans une pièce sans fenêtre, il peut réfléchir brillamment, mais ne peut vous aider sur rien de concret, mais ne peut vous aider sur rien de concret. La solution ? Le protocole MCP comme prise universelle. Et s'il existait une prise universelle ? Un moyen standard de connecter n'importe quelle IA à n'importe quelle source de données, sans écrire de code personnalisé pour chaque connexion. Bien, c'est exactement ce que fait le protocole de contexte de modèle, ou MCP en abrégé. Anthropic, la société derrière Claude, l'a présenté fin 2024 et il s'est rapidement imposé. Le MCP est un standard ouvert qui définit une manière cohérente pour les applications d'IA de communiquer avec des outils et des sources de données. Voyez cela comme l'USB-C. Avant l'USB-C, chaque appareil nécessitait son propre câble spécial. Votre téléphone utilisait un type, votre ordinateur portable un autre et vos écouteurs un troisième. Vous aviez un tiroir plein de câbles et vous ne trouviez jamais le bon. Puis l'USB-C est arrivé, un câble, une norme, et tout fonctionne simplement. Le MCP fait la même chose pour les connexions IA. Un protocole qui fonctionne pour les bases de données, les systèmes de fichiers, les API web et même les services Microsoft. Au lieu de créer des connecteurs personnalisés pour chaque source de données, vous créez un serveur MCP et toute application IA compatible peut l'utiliser. L'adoption a été rapide. En quelques mois, des milliers de serveurs MCP préconstruits sont apparus pour Google Drive. GitHub, Slack et des bases de données comme PostgreSQL, SQLite. Et pour les utilisateurs Microsoft, c'est là que ça devient vraiment intéressant. Vos outils d'IA peuvent désormais se connecter à SharePoint, Exchange, Dynamics et Power Platform, le tout via la même interface standard. En résumé, vous ne construisez plus de connexions personnalisées. Vous connectez au MCP, un seul protocole, n'importe quelle source de données, n'importe quelle application IA. C'est là que résiste toute la magie. L'architecture, hôte, client et serveur. Alors comment cela fonctionne-t-il réellement en coulisses ? Laissez-moi vous expliquer. Le MCP utilise une configuration simple en trois parties, hôte, client et serveur. Une fois que vous avez compris ces trois éléments, tout devient clair. L'hôte est l'application d'IA que vous utilisez réellement. Cela peut être copilot dans Microsoft 365, cloud desktop ou un agent personnalisé que vous avez conçu vous-même. L'hôte est l'endroit où vous posez votre question. C'est la partie destinée à l'utilisateur. A l'intérieur de cette hôte se trouve ce qu'on appelle le client MCP. C'est la partie qui parle le protocole MCP. Vous ne le voyez pas et n'interagissez pas directement avec, mais c'est le traducteur, l'élément qui sait parler au serveur MCP. Ensuite, vous avez le serveur. Le serveur MCP est un programme léger qui se place entre votre application d'IA et votre source de données réelle. Il expose des outils et des ressources que l'IA peut utiliser. Le serveur sait comment accéder à votre site SharePoint, votre base de données Dynamics, votre base de données Dynamics. L'IA n'a pas besoin de connaître ces détails. Elle communique simplement avec le serveur. Voici comment les données circulent. Lorsque vous posez une question à votre IA, la requête va de l'hôte au client MCP. Le client envoie un message via le protocole MCP au serveur. Le serveur accède à votre source de données, récupère ce dont vous avez besoin et le renvoie. De l'hôte au client, au protocole, au serveur, jusqu'à vos données. Propre, simple et standardisé. Imaginez cela comme un restaurant. L'hôte, c'est vous, assis à table. Le client MCP est le serveur qui prend votre commande et la porte en cuisine. Et le serveur MCP est la cuisine elle-même. Vous n'avez pas besoin de savoir comment fonctionne la cuisine. Vous dites simplement au serveur ce que vous voulez et le plat arrive. Un autre peut se connecter à plusieurs serveurs en même temps. Ainsi, votre IA dans Teams peut accéder à vos documents SharePoint, votre calendrier Exchange et vos enregistrements Dynamics, le tout dans une seule conversation, le tout. La communication entre le client et le serveur utilise ce qu'on appelle JSON RPC. Juste un moyen léger et standardisé d'échanger des messages. Pas de surcharge lourde, pas de câblage personnalisé. Ce que contiennent les serveurs MCP. Des outils, des ressources et des invites. Alors que fournit réellement un serveur MCP à l'IA lorsqu'il se connecte ? Trois choses. Des outils, des ressources et des modèles d'invites. Voyez-les comme la boîte à outils dans laquelle l'IA puise quand elle doit accomplir quelque chose. Décomposons cela simplement. D'abord, les outils. Les outils sont des actions que l'IA peut effectuer et qui modifient réellement des choses dans le monde réel. Un outil peut interroger une base de données, envoyer un email ou créer un document. Chaque fois que l'IA appelle un outil, quelque chose se produit. Un fichier est enregistré, un message est envoyé, un enregistrement est mis à jour. Les outils sont les verbes du système. C'est ce qui fait bouger les choses. Maintenant, les ressources. Les ressources sont des informations en lecture seule que l'IA peut consulter. Une ressource peut être une liste de clients Dynamics, un document de politique dans SharePoint ou des notes de réunion Teams. L'IA peut les lire, les analyser, les référencer, mais elle ne peut pas les modifier directement via une ressource. Elle fournit simplement à l'IA le contexte nécessaire pour travailler plus intelligemment. Ensuite, il y a les modèles de prompt. Il s'agit d'instructions prédéfinies qui vous font gagner du temps. Au lieu de rédiger le prompt parfait à chaque fois, le serveur vous en fournit un déjà optimisé. Par exemple, un serveur MCP SharePoint pourrait inclure un modèle pour résumer le contenu d'un dossier. Il vous suffit de dire résume ce dossier. Et le modèle se charge du reste. C'est comme avoir un raccourci spécialisé pour les tâches que vous répétez sans cesse. Voici un exemple concret pour illustrer tout cela. Imaginez un serveur MCP SharePoint. Il propose un outil appelé recherche de documents qui trouve des fichiers par mots-clés. Il offre une ressource appelée liste des sites qui donne un accès en lecture seule à tous les sites SharePoint disponibles. Et il inclut un modèle de prompt appelé résumer le contenu du dossier qui indique à l'IA comment présenter un résumé clair. Tout ce dont l'IA a besoin pour vous aider avec SharePoint se trouve là, au même endroit, au même endroit. Maintenant, voici la partie intéressante. L'IA découvre tout cela automatiquement lorsqu'elle se connecte au serveur. Aucune préprogrammation requise. Le serveur se présente essentiellement lui-même. Voici mes outils, mes ressources, mes modèles de prompt. Et l'IA comprend comment les utiliser. C'est ce qui rend MCP puissant. Le serveur indique à l'IA ce qui est possible, et l'IA s'occupe du reste. C'est un système autodescriptif. Ces trois catégories fonctionnent ensemble pour que l'IA ait une vision complète de ce qu'elle peut faire. MCP rencontre Microsoft, ce qui est déjà en place. Alors introduisons cela dans l'univers Microsoft. C'est là que les choses deviennent concrètes pour quiconque utilise Microsoft 365 ou Azure. Le vont à mi-de courant dès maintenant. Certaines personnes pensent que MCP n'est qu'une expérimentation secondaire pour Microsoft. C'est une orientation stratégique. Vous pouvez le constater clairement dans le service Azure AI Agent. Si vous créez des agents IA personnalisés sur Azure, vous pouvez désormais ajouter des serveurs MCP distants directement depuis Azure AI Foundry Foundry. Vous configurez une étiquette de serveur, une URL et des entêtes d'authentification optionnelles, et votre agent peut commencer à appeler des outils de ce serveur. La propre documentation de Microsoft a qualifié cela d'intégration de Première. Ce n'est pas le langage d'un projet secondaire. Mais cela va plus loin qu'Azure. Microsoft a publié des références de serveurs MCP officiels pour la Power Platform, incluant Power Automate, Power Apps et même Process Mining. Ce ne sont pas des projets communautaires. Ils proviennent directement de Microsoft. Prenons le serveur MCP Power Apps. Il inclut un outil appelé Invoke Data Entry. Voici ce que cela signifie concrètement. Une IA peut prendre des données non structurées, comme un email, un message de chat ou un document numérisé, et les transformer en un enregistrement structuré dans Dataverse. L'IA propose l'enregistrement et vous l'approuvez. L'intervention humaine est intégrée directement. Le serveur MCP de Power Automate va encore plus loin, vous décrivez un flux de travail en langage naturel. Quelque chose comme quand un nouvel email arrive avec urgent dans l'objet, crée une tâche dans Planner et notifie mon responsable. L'IA construit ce flux pour vous. Fini le glisser déposé de connecteur. Fini la recherche de déclencheur. Décrivez simplement ce que vous voulez et le serveur MCP le traduire à une automatisation réelle. Microsoft a également présenté des serveurs MCP pour le contenu de Microsoft Learn. Imaginez un agent IA qui interroge l'intégralité de la bibliothèque de documentation Microsoft comme ressource. Pas en explorant des pages web, mais via un serveur MCP structuré qui expose la documentation sous forme de données structurées. Cela fonctionne déjà aujourd'hui. C'est la direction que prennent vos outils Microsoft. Ils deviennent accessibles via MCP par conception. La plateforme s'ouvre. Et à mesure qu'elle le fait, votre expérience Microsoft 365 deviendra de plus en plus intelligente. L'intégration est en cours et est intégrée aux fondations. Le MCP n'est pas réservé aux développeurs. Il est destiné à quiconque utilise Microsoft 365 et souhaite que son IA travaille de manière transparente avec ses données. Un scénario réel. L'IA qui fonctionne enfin. Alors à quoi cela ressemble-t-il réellement pratique ? Laissez-moi vous présenter un exemple concret. Vous êtes dans Microsoft Teams et vous tapez ceci dans Copilot. Quel est l'état du projet ACMA et qui est en retard sur ses tâches ? Vous appuyez sur 1. Maintenant, en coulisses, il se passe quelque chose de différent d'il y a un an. Votre assistant IA se connecte à un serveur MCP lié à Project Online ou Planner. Ce serveur annonce les outils qu'il peut utiliser, comme lister les tâches, obtenir leur statut, vérifier les assignations et obtenir le calendrier du projet. L'IA n'a pas besoin d'être guidée ici. Elle découvre ses outils automatiquement car le serveur dit littéralement voici ce que je peux faire. Et l'IA répond au cas super, je vais utiliser ça. Personne n'a besoin de dire hey, va d'abord voir ce point de terminaison d'API. Et ça fonctionne tout simplement. L'IA appelle donc l'outil de liste et des tâches, puis obtient le statut de chaque tâche, puis vérifie les assignations. Le serveur MCP gère toute l'authentification et la récupération des données en arrière-plan. Quelques secondes plus tard, l'IA revient avec une réponse claire. Le projet ACMA est sur la bonne voie. Trois tâches sont en retard, toutes assignées à Sarah. Souhaitez-vous que je lui envoie un rappel ? Voici ce qui est important. Aucun code personnalisé n'a été écrit pour cette requête. Aucun développeur n'a passé deux semaines à créer un connecteur entre Copilot et Project Online. Le serveur MCP a géré toute l'intégration. Un serveur, un protocole standard, l'IA a su exactement comment l'utiliser. Allons maintenant plus loin. Après avoir obtenu le statut du projet, vous demandez « Vérifie mon calendrier pour une réunion avec Sarah demain et rédige une mise à jour de statut basée sur ce qui se passe. » Avec l'IA, utilise un serveur MCP Exchange pour vérifier votre calendrier, cherche des emails associés via le même serveur, puis fait appel à un serveur MCP World pour rédiger la mise à jour. Une seule conversation, plusieurs sources de données, zéro développement personnalisé. C'est ça le déclic avec MCP. Cela rend l'IA utile dans votre environnement de travail réel. Ce n'est plus juste un chatbot générique capable de répondre à des questions vagues, mais un assistant qui voit vos données, comprend votre contexte et agit via une norme simple. La sécurité pour garder vos données protégées. Toute cette flexibilité soulève une question importante. Si votre IA peut soudainement accéder à SharePoint, Exchange et Dynamics via MCP, comment protéger ces données ? Voici la réponse courte. MCP est aussi sécurisé que vous le configurez. Le protocole ne contourne pas vos mesures de sécurité existantes. Fonctionne avec. MCP prend en charge OROS 2.1, la même norme d'authentification industrielle qui protège votre connexion Microsoft. Lorsqu'un serveur MCP nécessite une authentification, votre client IA doit prouver qu'il est autorisé avant de pouvoir accéder aux données. Le service peut utiliser des entêtes d'authentification, des clés API ou un accès par jeton. Les mêmes modèles que vous utilisez déjà pour sécuriser vos AP. Il existe une couche supplémentaire qui compte vraiment pour un usage en entreprise. L'IA doit d'abord demander l'autorisation avant de pouvoir effectuer une recherche, envoyer un message ou modifier un enregistrement. Modifier un enregistrement, elle vous le demande. Voyez la demande directement dans votre interface de discussion. Vous examinez ce que l'outil va faire, puis vous approuver ou refuser. Cela signifie qu'aucun outil n'est activé sans votre consentement explicite. Votre IA peut suggérer des actions, mais elle ne peut pas les exécuter sans votre accord. C'est un bon filet de sécurité. Un point de vigilance. Des milliers de serveurs MCP publics sont disponibles et ne sont pas tous dignes de confiance. Il existe des registres publics où n'importe qui peut publier un serveur. Certains sont excellents, d'autres non. Il vous incombe d'utiliser uniquement les serveurs en lesquels vous avez confiance. Dans les environnements Microsoft, vous avez un avantage. Vos serveurs MCP peuvent utiliser les mêmes contrôles d'identité et d'accès que vos services Microsoft actuels. Si un utilisateur n'a pas l'autorisation de lire une bibliothèque de documents SharePoint, un serveur MCP ne peut pas contourner cela. Le serveur hérite des mêmes limites, de la même authentification, de la même politique et de la même gouvernance. D'arrière. Démarrage. Votre première expérience MCP. Vous êtes donc convaincu et que vous voulez essayer par vous-même ? Par où commencer ? Le plus simple est de choisir un autre compatible MCP. Cloud Desktop intègre le support MCP et GitHub Copilot fonctionne également. Les deux vous permettent de connecter des serveurs sans presque aucune configuration. Ensuite, consultez les registres MCP publics. Il existe des milliers de serveurs préconstruits pour des services comme Google Drive, Slack, des bases de données, des systèmes de fichiers. Et oui, des services Microsoft aussi. Si vous êtes un utilisateur Microsoft, commencez par les références de serveurs MCP de Microsoft pour Power Platform. La configuration est simple. La plupart des autres utilisent un fichier JSON où vous listez vos serveurs. Vous donnez un nom à chacun, fournissez la commande ou l'URL pour l'atteindre et configurez les identifiants d'authentification. C'est tout. Et l'autre gère le reste. Aucun codage n'est requis pour une utilisation de base. Vous n'avez donc pas besoin d'être développeur ou d'écrire du code d'intégration. Configurez simplement un fichier JSON et soudainement votre IA peut accéder à des données qu'elle ne pouvait pas toucher au parten. Le fichier JSON est comme un fichier de configuration qui indique à votre autre quel serveur connecté. Considérez MCP comme un traducteur universel pour votre IA. Au lieu d'apprendre une langue différente pour chaque service, elle utilise un seul protocole. Commencez petit en connectant une source de données, comme votre calendrier via un serveur MCP Exchange, puis posez une question à votre IA sur votre emploi du temps et regardez comment elle découvre les outils disponibles. Testez l'approbation humaine, ce qui signifie que vous pouvez approuver chaque action avant que l'IA ne l'exécute. Cela vous permet de garder contrôle. Assurez-vous de bien comprendre le modèle de sécurité avant d'étendre vos usages. Une fois à l'aise, développez en ajoutant un autre serveur pour votre bibliothèque de documents, puis votre système de gestion des tâches. Chaque serveur ajoute de nouvelles capacités et chacun suit le même protocole. Si vous voulez créer votre propre serveur MCP, peut-être pour exposer une application métier personnalisé ou une base de données interne, Azure Functions et Microsoft fonctionnent très bien comme back-end. Vous enveloppez votre API ou source de données existantes dans un serveur MCP avec seulement quelques lignes de code. Le modèle est simple. Exposez les outils sous forme de fonction. Exposez les données sous forme de ressources et laissez le protocole gérer le reste. C'est un moyen direct de donner à votre IA accès à vos propres sources de données. Voilà donc le modèle contexte-protocole. Une norme qui permet enfin aux outils d'IA d'atteindre vos données réelles. Vos fichiers SharePoint, votre calendrier Exchange, vos enregistrements Dynamics. Avant MCP, vous deviez créer des connexions personnalisées pour chaque système. Désormais, vous utilisez un seul protocole et votre IA peut communiquer avec tous. L'IA devient utile au sein même de votre environnement de travail réel. Mais pas qu'une simple commodité, cela change votre façon de travailler avec l'IA. Commencez avec un serveur MCP, connectez une seule source de données et constatez la différence. Si cela vous a été utile, partagez-le avec un collègue confronté à une IA qui ne peut accéder à ces données. Abonnez-vous pour plus de connaissances comme celle-ci. Je suis Mirko Peters et je vous retrouve dans le prochain épisode.