Ressources

MCP : connecter les clients IA de vos utilisateurs métier à vos données métier.

Les clients IA comme ChatGPT ou Copilot ont bouleversé la façon dont nous interagissons avec l'informatique, managers et utilisateurs métier compris. Avec MCP, nous pouvons mettre nos produits de données internes à disposition de ces clients IA en toute sécurité. Les Data Contracts apportent le contexte sémantique nécessaire et définissent les conditions d'utilisation. Les clients IA répondent désormais à presque toutes les questions métier, en langage naturel.

Exemples

Plutôt que de longs discours, voici quelques vidéos qui montrent le potentiel :

Quels sont nos meilleurs clients ?

On voit que Claude AI identifie comme par magie qu'il doit accéder à un produit de données clients, puisque les données clients sont des données internes. Le LLM rédige la requête SQL adaptée pour récupérer les données pertinentes, en s'appuyant sur la description de la syntaxe, de la sémantique et des détails techniques fournie par le Data Contract (l'utilisateur dispose déjà d'un accès au produit de données). Pour finir, Claude va jusqu'à construire un rapport visuel.

Créer un CSV pour Mailchimp avec nos 5 000 meilleurs clients

Voyons maintenant comment la Data Governance s'applique :

Deux concepts clés de Data Governance apparaissent ici :

Demande d'accès : le Data Consumer doit demander l'accès à un produit de données (le client IA sait aussi le faire), puis le Data Product Owner approuve cette demande.
Vérification des conditions d'utilisation : Entropy Data vérifie que l'accès aux données respecte les conditions d'utilisation définies dans le Data Contract. Ce contrôle côté serveur est obligatoire.

Impressionnant, non ?

Quelles sont les principales causes de nos 1 000 derniers tickets de support ?

Entropy Data MCP fonctionne aussi dans Microsoft Copilot :

Architecture

Très bien, mais comment cela fonctionne-t-il ?

En résumé, Entropy Data expose un MCP distant avec un endpoint Streamable HTTP. Cet endpoint met à disposition un ensemble d'outils, accompagnés d'instructions claires sur le moment et la façon de les utiliser. Lorsqu'un utilisateur se connecte à l'endpoint MCP, il doit s'authentifier via OAuth2 et autoriser le client à accéder à ses données. Le protocole MCP définit d'autres fonctionnalités (prompts, ressources et divers utilitaires), mais toutes les capacités sont ici exposées sous forme d'outils.

Entropy Data a accès aux produits de données, aux Data Contracts et aux accords d'accès de l'utilisateur. Pour atteindre les données elles-mêmes, Entropy Data joue le rôle de proxy et effectue les contrôles d'accès et de gouvernance avant d'exécuter les requêtes.

L'architecture en bref

Serveur MCP distant
Streamable HTTP
OAuth2 avec consentement
Enregistrement dynamique du client et configuration manuelle pris en charge
Basé sur Spring AI

Pour l'anecdote, nous avons commencé par une architecture de serveur MCP local avec les Desktop Extensions (DXT) (Data Product MCP). Nous sommes passés à une architecture de serveur MCP distant pour améliorer l'expérience utilisateur. Un serveur MCP distant est bien plus simple à utiliser : pas de Python à installer avec des dizaines de dépendances, pas de délai au démarrage, prise en charge de ChatGPT et Copilot, pas d'abonnement coûteux, journalisation centralisée et aucune variable d'environnement à configurer.

À noter : le serveur MCP n'est pas une API de plus. Les outils sont conçus comme des adaptateurs en langage naturel pour le LLM, avec des instructions claires sur leur utilisation. Leurs réponses fournissent juste ce qu'il faut d'informations pour que le LLM évalue les étapes suivantes ou formule une réponse à la question de l'utilisateur.

Installation

Notre priorité absolue : rendre la mise en place aussi simple que possible pour l'utilisateur.

Grâce à l'enregistrement dynamique du client et à l'authentification OAuth2, tout se résume à une simple URL à saisir :

https://app.entropy-data.com/mcp

L'utilisateur autorise ensuite le client à accéder à ses données.

C'est tout.

(La configuration de Copilot est un peu plus longue : l'enregistrement dynamique du client n'y est pas pris en charge et il faut créer un agent complet dans Copilot Studio, mais l'application vous guide pas à pas.)

Parcours d'accès aux données

Pour permettre aux utilisateurs, et plus largement aux agents IA, d'accéder aux données, quatre outils se combinent :

Outil	Description	Paramètres
search	Rechercher et explorer les produits de données de l'organisation. Renvoie une liste de produits de données avec leurs informations de base.	query : mots-clés à chercher dans les noms et descriptions des produits de données (facultatif, « * » pour tout lister)
fetch	Obtenir les informations détaillées d'un produit de données à partir de son ID : tous les Output Ports, les informations serveur, les Data Contracts et le statut d'accès.	dataProductId : l'ID du produit de données
request_access	Soumettre une demande d'accès pour l'Output Port d'un produit de données. Crée une demande formelle, approuvée automatiquement ou soumise à validation manuelle.	dataProductId : l'ID du produit de données outputPortId : l'ID de l'Output Port purpose : la justification métier de l'accès aux données
execute_query	Vérifier d'abord si la requête enfreint une règle de gouvernance, puis exécuter des requêtes SQL en lecture seule sur les Output Ports des produits de données et récupérer les résultats sous forme structurée (100 lignes maximum). Les résultats sont analysés à la recherche d'injections de prompt.	dataProductId : l'ID du produit de données outputPortId : l'ID de l'Output Port purpose : la finalité métier de la requête query : la requête SQL à exécuter

Ces outils s'enchaînent dans un workflow classique : d'abord search pour trouver les produits de données pertinents. Ensuite fetch pour obtenir les informations détaillées, dont le statut d'accès et les Data Contracts. Si un accès est nécessaire, request_access déclenche la demande d'approbation. Une fois l'accès accordé, execute_query récupère les données réelles avec la Data Governance intégralement appliquée.

Pour sécuriser l'accès aux données, les utilisateurs peuvent stocker les identifiants de leur plateforme de données, chiffrés, dans Entropy Data.

Parcours d'édition des métadonnées

Au-delà de l'accès aux données, le serveur MCP permet aussi de travailler facilement avec les Data Contracts :

Outil	Description	Paramètres
datacontract_schema	Obtenir le JSON Schema de l'Open Data Contract Standard (ODCS). Renvoie le dernier schéma actif pour valider et comprendre la spécification d'un Data Contract.	Aucun paramètre requis
datacontract_get	Obtenir un Data Contract à partir de son ID. Renvoie la spécification complète du Data Contract au format ODCS.	dataContractId : l'ID du Data Contract
datacontract_save	Enregistrer la spécification YAML d'un Data Contract. Crée un nouveau Data Contract ou met à jour un Data Contract existant.	yaml : la spécification YAML du Data Contract

Ces outils permettent de créer et de gérer les Data Contracts directement depuis un client IA. Une IA peut par exemple récupérer la définition du schéma, charger un Data Contract existant, le modifier selon les besoins exprimés puis l'enregistrer, le tout dans une seule conversation.

Compatibilité des principaux clients IA

Client IA	Niveau de prise en charge	Remarques
Claude	✅ Prise en charge optimale	Anthropic est à l'origine du protocole MCP : Claude en propose l'implémentation la plus complète et la plus fiable.
ChatGPT	⚠️ Mode développeur	Fonctionne, mais uniquement en mode développeur.
Microsoft Copilot	⚠️ Fonctionne via un agent	Fonctionne, mais demande plus de configuration : l'enregistrement dynamique du client n'est pas pris en charge et il faut créer un agent dans Copilot Studio. L'expérience utilisateur reste à améliorer côté Microsoft.
Autres clients MCP	✅ Compatibles a priori	Tout client MCP implémentant la version 2025-03-26 ou ultérieure de la spécification devrait être compatible.

Entropy Data

Entropy Data (anciennement Data Mesh Manager) est une marketplace de produits de données, régie par des Data Contracts, qui rend des données de qualité accessibles à toute l'organisation.

Notre serveur MCP permet aux clients IA comme Claude, ChatGPT et Microsoft Copilot de répondre aux questions métier en langage naturel, avec la Data Governance appliquée. Les Data Contracts fournissent le contexte sémantique dont les LLM ont besoin pour comprendre vos données et générer automatiquement des requêtes SQL, tandis que le serveur MCP garantit que chaque accès respecte les conditions d'utilisation du Data Contract et les règles globales.

Entropy Data MCP est disponible en déploiement cloud comme on-premise.

Prêt à connecter les données, les personnes et l'IA ? Essayez Entropy Data ou contactez-nous pour échanger sur votre contexte.