MCP : l’outil IA dont tout le monde parlait… et que plus personne n’utilise

Image d'illustration. Centerpiece glowing skills moduleADN
Présenté comme un tournant pour l’IA, MCP s’essouffle à peine un an après son lancement. Anthropic mise désormais sur des modules plus efficaces : les Skills. Retour sur un recul stratégique.
Tl;dr
- MCP a explosé puis rapidement décliné dans l’écosystème IA.
- Son usage massif cause surcoûts et baisse d’efficacité.
- Anthropic privilégie désormais « Skills » à la place de MCP.
Un anniversaire discret pour un standard en déclin
L’an dernier, l’annonce de MCP avait électrisé la communauté technologique, certains n’hésitant pas à le présenter comme « l’USB-C de l’IA » ou encore « l’infrastructure de l’ère des agents ». Pourtant, alors que Anthropic vient tout juste de fêter le premier anniversaire du protocole sur son blog officiel, force est de constater que l’engouement s’est évaporé. Malgré une progression impressionnante avec près de 2000 serveurs recensés, soit une croissance de 407% depuis septembre, la nouvelle version publiée ce 25 novembre a peiné à susciter le moindre écho sur les réseaux sociaux.
MCP : de la promesse révolutionnaire à l’épreuve du terrain
À ses débuts en 2024, MCP répondait à un vrai besoin : simplifier la connexion des applications IA avec divers services sans devoir réinventer la roue à chaque fois. Pour les développeurs, c’était l’assurance d’un « build once, run everywhere ». Les projets affluaient sur GitHub : météo, analyse boursière, génération de posts… Pourtant, cet enthousiasme fut vite douché par les contraintes techniques.
La réalité s’est révélée plus complexe : chaque appel MCP grignote la fenêtre de contexte des modèles d’IA, multipliant les tokens consommés. Rapidement, accumuler les serveurs MCP entraîne non seulement des coûts exponentiels, déjà conséquents chez Claude, mais aussi une dilution de l’attention du modèle. Plusieurs développeurs ont témoigné d’erreurs absurdes : calculatrice renvoyant un mauvais résultat ou IA prenant des décisions erratiques lorsque trop d’outils étaient définis simultanément. À cela s’ajoutent les failles de sécurité : droits trop larges sur certains fichiers ou absence totale de contrôle qualité dans la multitude de MCP créés.
La solution Skills et le désengagement progressif d’Anthropic
Face à ces écueils, Anthropic semble changer discrètement son fusil d’épaule. Les dernières documentations officielles mettent en avant un autre système : Skills. Désormais, générer un PowerPoint ou lire un document passe par ces modules natifs plutôt que par MCP. Plus efficace et moins coûteux en tokens, cette approche recentre les modèles sur des compétences prouvées et intégrées.
Dans cette optique, voici quelques constats partagés par plusieurs acteurs :
- MCP reste utile pour certains usages longue traîne ; Skills s’impose pour le cœur fonctionnel.
- L’écosystème MCP souffre d’une inflation de serveurs peu fiables et redondants.
- L’avenir semble se dessiner autour d’une spécialisation : infrastructure basique pour MCP, tâches stratégiques pour Skills.
Patches temporaires dans l’attente d’une IA plus mature
En y regardant bien, que ce soit MCP, Skills ou même nos Prompts quotidiens : tous ne sont que des rustines visant à compenser une intelligence artificielle encore limitée dans sa capacité à improviser. Le jour où une véritable ASI (Artificial Superintelligence) émergera, il y a fort à parier qu’elle n’aura plus besoin qu’on lui écrive des protocoles pour savoir consulter la météo ou manipuler des fichiers ; elle saura tout simplement le faire.
Finalement, si MCP n’a pas totalement disparu avec une feuille de route toujours alimentée par Anthropic et même une ouverture vers des contributions industrielles (comme celles promises par IBM) il est clair que son heure de gloire appartient au passé. Reste à voir si son héritage servira davantage qu’à éviter l’erreur fatale : confondre accumulation d’outils et réelle montée en puissance des agents IA.