Le MCP de Huwise au service du succès de votre IA agentique

Depuis son lancement, le standard Model Context Protocol (MCP) a transformé la manière dont les modèles et agents IA s’intègrent au reste de la stack data et IT. L’essor des agents IA a encore renforcé l’importance du MCP, notamment pour les data marketplaces.

Pour en savoir plus, nous avons interviewé David Thoumas, CPTO et cofondateur de Huwise. Dans cet article, il répond aux questions clés : le fonctionnement de notre serveur MCP et les bénéfices qu’il apporte. Il explique aussi comment le serveur soutient une plus large consommation des données par les agents IA et les collaborateurs, une compréhension plus fine de l’usage des data products et une administration simplifiée de la data marketplace.

« Le Model Context Protocol (MCP) est un standard et un framework ouverts, lancés fin 2024, qui standardisent la connexion entre les modèles IA et les sources de données ou les outils. Créé à l’origine par Anthropic en tant que protocole open source, il est désormais développé sous la responsabilité de l’Agentic AI Foundation. De nombreux acteurs majeurs de l’IA l’ont adopté.

Concrètement, un serveur MCP fournit un connecteur unique qui rend les données d’une organisation accessibles à plusieurs assistants IA, sans avoir à créer d’intégrations individuelles. Les organisations peuvent ainsi rendre leurs données directement accessibles dans les outils que leurs équipes utilisent déjà, et les fournir de manière fluide aux agents IA. On peut le comparer à une prise USB qui fonctionne avec une grande variété d’appareils, du téléphone à l’ordinateur portable. »

« Le serveur MCP de Huwise relie notre data marketplace aux outils d’une organisation grâce à un standard commun. Il accélère ainsi la découverte et l’utilisation de ses données par des moteurs IA comme Claude d’Anthropic et Microsoft Copilot, ainsi que par des outils d’entreprise comme Microsoft Teams.

Il permet à ces agents IA et LLM de trouver, comprendre et interroger les data products, dans le respect des règles de gouvernance de l’organisation. Concrètement, les agents peuvent :

• lire les métadonnées des actifs de données : description, schéma et définition des champs ;
• rechercher des jeux de données et des data products dans le catalogue ;
• interroger les données et en extraire des résultats ;
• auditer la data marketplace et proposer des axes d’amélioration.

Le serveur MCP exécute toutes les tâches demandées par un agent IA sur la data marketplace d’un client. Par exemple, il peut répondre rapidement à la question « Quels jeux de données n’ont pas été mis à jour depuis plus de six mois ? ».

Aujourd’hui, le serveur MCP de Huwise alimente :

• Nos propres agents :
  • des agents front-end, comme l’agent d’exploration IA Huwy, qui accélère l’accès aux insights pour les utilisateurs métier et les consommateurs de données de la marketplace ;
  • des agents back-end qui gouvernent et administrent la data marketplace et favorisent le succès des data products. Ils identifient les futurs data products à partir des signaux d’usage, accélèrent leur création, auditent et complètent des métadonnées AI-ready, et formulent des recommandations concrètes.

• Les agents IA de nos clients, développés en interne selon leurs besoins spécifiques. »
  

« Deux grands groupes bénéficient du serveur MCP, grâce aux fonctionnalités de la data marketplace qu’il expose : les utilisateurs directs et les utilisateurs indirects.

Les utilisateurs directs sont :

• les agents IA (Huwy, Claude, ChatGPT, agents internes) qui se connectent au serveur MCP pour trouver et interroger les data products de la marketplace ;
• les développeurs et les équipes IT, qui disposent d’un point d’accès standard sans avoir à développer d’intégrations sur mesure.

Les bénéficiaires indirects sont :

• les utilisateurs métier, qui accèdent aux données depuis l’outil IA qu’ils utilisent déjà, sans passer par la data marketplace ;
• les équipes data, qui profitent d’une consommation plus large de leurs data products, sans développement supplémentaire spécifique.

Le ministère de l’Éducation nationale en est un bon exemple. Il utilise le serveur MCP de Huwise avec plusieurs outils IA. Il a aussi permis à sa communauté d’exploiter les données depuis ses propres environnements et de les utiliser à des fins pédagogiques, directement sur sa data marketplace Huwise. »

« Notre serveur MCP a été lancé en juillet 2025. Il s’appuie sur nos APIs robustes et bien documentées, et les rend utilisables par les agents IA. Les APIs restent la base des intégrations techniques standard.

Nous avons naturellement construit notre MCP avec nos propres outils, à savoir nos APIs, ce qui a donné aux agents un accès complet aux données dès le départ. Dans la pratique, nous avons constaté que les agents raisonnent en termes de tâches : pour certaines requêtes, ils enchaînent plusieurs appels. Nous y avons vu une belle opportunité d’optimiser le serveur sur deux plans. D’abord, réduire les coûts liés au nombre de requêtes. Ensuite, accélérer les échanges de données pour améliorer l’expérience utilisateur.

Après un an d’observation des usages de notre agent d’exploration Huwy et des agents de nos clients, nous avons donc réorganisé les outils. Désormais, chaque outil correspond à une tâche précise et ne renvoie que l’essentiel. Le LLM appelle simplement les bons outils, ce qui rend les interactions plus rapides et moins coûteuses.

Nous avons également enrichi le contexte que le serveur MCP fournit aux agents. Il transmet désormais des informations agrégées, comme les filtres et les facettes, qui montrent les principales valeurs d’un jeu de données et leur répartition. L’agent sait ainsi ce que contient un jeu de données avant même de l’interroger, ce qui améliore les performances. Ce contexte riche est disponible nativement, car il est déjà généré par les fonctionnalités de la data marketplace. »

« Trois éléments distinguent notre MCP des autres solutions du marché :

• Il offre un niveau de sécurité avancé, fondé sur nos propres standards de sécurité, pour protéger les données.
• Il s’appuie sur nos outils éprouvés d’exploitation des données, comme nos APIs et notre documentation technique.
• Il donne accès à des data products gouvernés, et pas seulement à des métadonnées : l’agent peut interroger les données elles-mêmes.

La solution de data product marketplace de Huwise est particulièrement adaptée aux agents IA. Comme les data products sont documentés, gouvernés et maintenus, elle fournit aux agents des données de qualité, encadrées par des règles d’usage intégrées. De plus, la marketplace connaît les cas d’usage réels (recherches, questions, demandes), ce qui aide les agents IA à trouver facilement les bonnes données pour leurs besoins. »

« La sécurité et la gouvernance sont intégrées au serveur MCP de Huwise. Les agents IA agissent pour le compte d’un utilisateur humain identifié : ils sont donc soumis à ses droits et ne voient que les données de la marketplace auxquelles cette personne a accès. Les mêmes règles de gouvernance s’appliquent, que la requête soit faite directement sur la marketplace ou depuis un outil comme Microsoft Copilot via le MCP. Les accès aux données via le MCP sont aussi tracés dans la data marketplace, pour mesurer leur impact en tant que canal d’usage. »

« Nous faisons évoluer les capacités du MCP de Huwise autour de quatre priorités :

• Comprendre quels outils sont utilisés dans une conversation. Nous voulons savoir quels outils l’agent mobilise selon la requête.
• Fournir le meilleur contexte possible aux agents IA. Cela concerne à la fois le contenu transmis et la façon dont il est structuré.
• Optimiser les coûts liés à la consommation de tokens. Il faut pour cela un contexte aussi pertinent et léger que possible. Quand un LLM doit réaliser une tâche, il ne reçoit que les outils nécessaires à cette tâche.
• Limiter le nombre d’outils disponibles dans une conversation. Plus un agent dispose d’outils dans une conversation, plus le contexte est lourd et plus chaque requête coûte cher.

Notre Automation API illustre bien ces priorités. Grâce à l’étendue de ses fonctionnalités, nos clients la trouvent très utile pour automatiser l’administration de leurs data marketplaces. »

« Le Living Context Layer correspond à la connaissance qui s’accumule au fil de l’utilisation de la marketplace. Elle est ensuite mise à disposition des agents pour améliorer leurs performances. C’est ce qui donne à une data marketplace Huwise sa valeur durable.

Le serveur MCP y contribue de deux façons :

• Il mesure l’usage par les agents. Chaque action d’un agent sur Huwise passe par le serveur MCP, ce qui permet de la mesurer. Par exemple, on peut voir qu’un data product est très utilisé par les agents alors que les humains y accèdent rarement, et c’est une information précieuse.
• Il rend le Living Context Layer accessible aux agents. Le serveur MCP partage une partie de cette connaissance avec les agents, qui peuvent ensuite l’exploiter directement. »

« Avec le déploiement de notre framework d’IA agentique, nous avons récemment rendu accessibles aux agents les fonctionnalités d’administration et de configuration d’une data marketplace, c’est-à-dire les capacités de notre Automation API.

Nous voulons maintenant continuer à exposer et structurer un contexte toujours plus riche pour les agents. Nous voulons aussi permettre aux utilisateurs de générer des visualisations de données dans nos agents, puis de les partager et de les modifier.

Plus largement, nous continuerons à explorer tout le potentiel du MCP pour atteindre notre objectif principal : rendre l’accès à des données fiables et compréhensibles simple et fluide, pour les humains comme pour les agents IA. D’autres annonces suivront ! »