MCP en marketing : serveurs et cas d'usage

Pour le marketing, les serveurs MCP à privilégier sont ceux publiés par l'éditeur du service lui-même : Google Analytics et Google Ads (Google), Semrush, Ahrefs, HubSpot et, pour WordPress, le MCP Adapter du projet WordPress. Google Search Console n'a pas de serveur officiel : les serveurs disponibles sont communautaires. OpenAI conseille d'ailleurs de préférer les serveurs hébergés par le fournisseur du service plutôt que des intermédiaires, parce qu'un serveur malveillant peut exfiltrer tout ce qui entre dans le contexte du modèle¹. Une fois branchés, ces serveurs permettent à une IA de collecter, croiser et proposer ; la décision et la validation restent humaines. Cet article fait le tour des serveurs, puis des cas d'usage réalistes et de leurs limites. Si le vocabulaire (hôte, client, serveur) est nouveau, commencez par notre présentation de ce qu'est un serveur MCP.

Comment choisir un serveur MCP ?

• Qui le publie ? Un serveur de l'éditeur suit l'évolution de son API et engage sa responsabilité. Un serveur communautaire peut être excellent, mais il faut lire son code ou lui faire confiance.
• Que peut-il modifier ? Pour du reporting, un serveur en lecture seule suffit et limite les dégâts en cas d'erreur du modèle.
• Comment s'authentifie-t-il ? OAuth (vous vous connectez avec votre compte, révocable) plutôt qu'une clé collée dans un fichier.
• Combien coûte-t-il ? Le serveur est souvent gratuit, mais les données sont facturées par l'abonnement ou à la requête.

Quels serveurs pour l'analyse et la publicité ?

Le détail de la configuration GA4 est dans notre article connecter Google Analytics 4 à l'IA avec MCP. Pour brancher un serveur sur Claude, voir notre guide pour démarrer avec MCP et Claude.

Quels serveurs pour le SEO ?

Quels serveurs pour le CRM et le site ?

Pour WordPress, voir notre article sur le MCP Adapter et l'automatisation d'un site. D'autres outils de collaboration (Notion, Slack) et de développement (GitHub) publient aussi leur propre serveur : cherchez-le dans la documentation de l'éditeur.

Où chercher les autres serveurs ?

Le registre officiel du projet (registry.modelcontextprotocol.io) recense les serveurs publiés ; le dépôt modelcontextprotocol/servers ne garde que quelques serveurs de référence pédagogiques⁸. Un serveur connecté à vos comptes publicitaires ou à votre CRM manipule des données de clients : avant de l'activer, relisez nos bonnes pratiques de sécurité MCP.

Que peut-on faire avec ces serveurs en SEO ?

Branchée à GA4, Semrush, Ahrefs ou à une extraction de la Search Console, une IA peut interroger plusieurs sources dans une même conversation et en tirer une première analyse. Elle fait gagner du temps sur la collecte et le tri, pas sur la décision.

Repérer les pages proches de la première page

Un « quick win » est une page déjà proche des premiers résultats, qu'un petit travail peut faire progresser. Une convention courante consiste à regarder les pages dont la position moyenne se situe entre 11 et 20 pour des requêtes qui ont des impressions : c'est une règle de travail d'agence, pas une règle de Google, et une position moyenne peut masquer de fortes variations d'une requête à l'autre.

1. L'IA récupère les requêtes et pages concernées (Search Console).
2. Elle croise avec un outil de mots-clés (Semrush ou Ahrefs) pour estimer le volume et la difficulté.
3. Elle liste, pour chaque page, ce qui manque par rapport aux pages qui la devancent : réponse à l'intention, titre, contenu absent.
4. Vous validez chaque modification avant qu'elle soit appliquée.

Gardez en tête les limites de la source : l'API de la Search Console renvoie au plus 25 000 lignes par requête et expose au plus 50 000 lignes par jour et par type de recherche¹¹. Sur un gros site, l'IA travaille donc sur un échantillon filtré, et doit vous le dire.

Préparer un audit

L'IA peut parcourir des exports ou interroger un outil d'audit pour signaler des titres manquants, des doublons ou des pages sans lien interne, puis classer les constats. Elle ne juge pas seule ce qui est important pour votre activité. Deux pièges fréquents :

• Le score inventé. Demander un « score E-E-A-T » par page n'a pas de base officielle : l'E-E-A-T n'est pas en soi un facteur de classement. Un chiffre fourni par l'IA n'est qu'une opinion mise en forme.
• Les constats non vérifiés. Une IA peut afficher avec aplomb un problème inexistant. Recontrôlez à la source (Search Console, inspection d'URL) tout constat qui déclenche une action.

La méthode complète est détaillée dans notre audit SEO en 8 étapes, et notre service de référencement naturel l'applique à vos données.

Quels workflows marketing ont du sens aujourd'hui ?

Le rapport mensuel

L'IA lit GA4 et la Search Console, calcule les variations par rapport au mois précédent, repère les écarts les plus forts et rédige un projet de commentaire. Un humain relit, corrige l'interprétation, ajoute le contexte (campagne en cours, saisonnalité, changement de site) et envoie : un rapport transmis sans relecture engage votre crédibilité auprès du client. C'est l'usage le plus sûr pour débuter.

La veille concurrentielle

Chaque semaine, l'IA interroge un outil SEO connecté (par exemple le serveur MCP officiel de Semrush) sur une liste de concurrents et résume les nouvelles pages et les mouvements de positions. La synthèse sert de point de départ à une discussion, pas de décision.

Le contrôle des contenus existants

L'IA repère les pages dont les clics baissent dans la Search Console, relit la page dans le CMS et propose des corrections précises (titre, section obsolète, lien interne). Elle enregistre ses propositions en brouillon ; elle ne publie pas.

La préparation des réponses clients

Connectée au CRM et aux données analytiques, l'IA prépare une première analyse quand un client demande « pourquoi mon trafic a-t-il baissé ? ». Le consultant la vérifie avant de répondre. Attention aux données personnelles : ne connectez un CRM qu'avec des droits limités et un journal des accès, et vérifiez les clauses de confidentialité avant d'envoyer les données d'un client à un assistant. Autre usage à surveiller : l'achat par des agents dans les boutiques en ligne, que nous détaillons dans le standard UCP pour l'achat par agents d'IA.

Workflow ou agent : lequel choisir ?

Anthropic, qui a créé MCP, distingue deux approches¹⁰ :

• un workflow : le modèle et les outils suivent un chemin défini à l'avance dans le code (étape 1, puis 2, puis 3) ;
• un agent : le modèle décide lui-même des étapes et des outils à utiliser, jusqu'à atteindre l'objectif.

Leur conseil : commencer par la solution la plus simple, et ne passer à plus de complexité que si elle ne suffit manifestement pas¹⁰. La plupart des tâches marketing récurrentes (rapport mensuel, veille, contrôle de pages) sont prévisibles : un workflow suffit, et il est plus facile à contrôler.

Anthropic décrit cinq schémas de workflow, qui s'appliquent directement au marketing¹⁰ :

Peut-on produire et publier du contenu en série avec MCP ?

Non, pas sans relecture. Générer et publier des dizaines d'articles d'un coup est précisément ce que Google vise avec sa politique contre l'abus de contenu à grande échelle : de nombreuses pages générées dans le but principal de manipuler le classement et non d'aider les utilisateurs, y compris avec l'IA générative¹². Un pipeline qui repère un sujet, rédige et programme la publication sans contrôle humain coche exactement ce risque. Utilisez l'IA pour la recherche, la structure et les premiers jets ; gardez la vérification des faits, l'apport d'expérience (données, avis d'expert) et la validation finale chez un humain.

Quels garde-fous mettre en place ?

La spécification MCP prévoit que les applications devraient demander confirmation pour les opérations sensibles, montrer à l'utilisateur les paramètres avant l'appel, valider les résultats, imposer des délais maximum et journaliser l'usage des outils ; côté serveur, elle exige de valider les entrées, contrôler les accès et limiter le nombre d'appels⁹. En pratique :

• un compte de service par outil, avec les droits minimum (lecture seule quand c'est possible) ;
• une validation humaine avant publication, envoi d'e-mail ou modification dans le CRM ;
• un journal de chaque action (qui, quoi, quand) ;
• un budget : chaque question posée à l'IA peut déclencher plusieurs appels payants (unités d'API Semrush ou Ahrefs, appels au modèle).

Pour faire développer un connecteur sur mesure ou un workflow qui tourne seul, c'est le travail de notre équipe de développement de serveurs MCP et d'outils IA ; pour le faire vous-même, suivez notre tutoriel de création d'un serveur MCP.