MCP vs A2A : comprendre les protocoles de l'entreprise agentique

L'entreprise agentique : quand les protocoles deviennent des fondations stratégiques

Pendant longtemps, l'IA en entreprise s'est résumée à une interface : un chatbot qui répond, un copilote qui suggère, un tableau de bord qui prédit. L'intelligence était là, mais elle restait confinée. Elle ne traversait pas les frontières des systèmes, ne déclenchait pas d'actions en cascade, ne collaborait pas avec d'autres agents pour accomplir un objectif complexe.

Nous basculons aujourd'hui dans une autre ère. L'IA agentique ne se contente plus de discuter : elle agit. Elle planifie, délègue, exécute et itère — souvent sans intervention humaine directe. Et pour que cette action soit possible à l'échelle d'une organisation, deux protocoles s'imposent progressivement comme les piliers invisibles de cette transformation : MCP (Model Context Protocol) et A2A (Agent-to-Agent Protocol).

Comprendre ces deux standards, c'est comprendre comment l'entreprise conversationnelle de demain sera construite. C'est aussi, pour les équipes techniques et les décideurs, se donner les moyens d'éviter de reproduire les erreurs d'intégration du passé — ces silos applicatifs que nous passons encore des années à démanteler.

De l'assistant à l'agent : ce qui a réellement changé

La rupture n'est pas qu'une question de capacité technique. Elle est d'abord opérationnelle. Quand Anthropic a lancé Claude Code en février 2025, quelque chose de fondamental a changé dans la manière dont nous envisageons le rôle de l'IA dans les processus de travail. Ce n'est plus un outil qui attend qu'on lui pose une question. C'est un agent qui prend les commandes, manipule des fichiers, interagit avec l'environnement, et rend compte de son avancement.

Ce glissement — du copilote à l'agent — a des implications profondes sur l'architecture des systèmes d'information. Car un agent qui agit doit pouvoir :

• Accéder à des sources de données contextuelles en temps réel
• Appeler des outils et des services tiers de manière sécurisée
• Communiquer avec d'autres agents pour décomposer et distribuer une tâche
• Maintenir un état cohérent tout au long d'une mission qui peut durer des heures, voire des jours

C'est précisément ce besoin qui a fait émerger MCP et A2A. Deux protocoles complémentaires, souvent confondus, mais qui répondent à des problèmes fondamentalement différents.

MCP : le langage universel entre les agents et leurs outils

Model Context Protocol (MCP) est un protocole ouvert, initialement proposé par Anthropic, conçu pour standardiser la manière dont un modèle de langage ou un agent IA interagit avec des sources de données et des outils externes. En termes simples : MCP est la couche d'intégration qui permet à un agent de se connecter à votre base de données, votre CRM, votre système de fichiers ou votre API interne — sans que chaque connexion nécessite un développement sur mesure.

Avant MCP, l'intégration d'un LLM avec des outils externes ressemblait souvent à du bricolage. Chaque outil avait son propre mécanisme d'appel, son propre format de réponse, sa propre gestion des erreurs. Les équipes passaient un temps considérable à écrire des adaptateurs, à gérer des tokens d'authentification disparates, à maintenir des plomberies fragiles.

MCP standardise cette relation selon un modèle client-serveur clair :

• Le serveur MCP expose des ressources (données) et des outils (actions) selon un contrat défini
• Le client MCP — l'agent ou l'application hôte — découvre ces capacités et les invoque de manière standardisée
• La communication suit un protocole structuré qui inclut la découverte des outils, leur description en langage naturel, et la gestion des erreurs

Ce que MCP apporte concrètement, c'est la capacité pour un agent de découvrir dynamiquement ce qu'il peut faire dans un environnement donné. Imaginez un agent RH qui, au moment où il en a besoin, découvre qu'il peut accéder au SIRH, consulter l'agenda d'un manager, et envoyer un email via le serveur de messagerie — sans que ces connexions aient été câblées manuellement dans son code.

Pour les architectes SI, MCP représente une opportunité de construire une couche d'exposition des systèmes internes pensée pour les agents, de la même façon que les API REST avaient été pensées pour les applications web. C'est un changement de paradigme qui mérite une réflexion stratégique en amont, pas seulement une décision d'implémentation tactique.

A2A : quand les agents apprennent à se parler entre eux

Si MCP règle la communication entre un agent et ses outils, Agent-to-Agent Protocol (A2A) — proposé par Google — adresse un défi d'une autre nature : comment faire communiquer des agents entre eux, potentiellement développés par des équipes différentes, hébergés sur des infrastructures distinctes, et orchestrés de manière décentralisée ?

La question peut sembler abstraite. Elle devient très concrète dès lors qu'on envisage des scenarii d'entreprise réalistes. Prenons l'exemple d'un processus d'appel d'offres automatisé : un agent "orchestrateur" reçoit un brief commercial, le décompose en sous-tâches, et délègue à un agent "analyse financière", un agent "conformité juridique" et un agent "rédaction de propositions". Ces trois agents sont peut-être développés par des équipes différentes, sur des plateformes différentes. Comment s'assurent-ils que leurs échanges sont fiables, sécurisés et interopérables ?

A2A répond à cette problématique en définissant :

• Un format standardisé pour les messages échangés entre agents (tasks, artifacts, messages)
• Un mécanisme de découverte des agents et de leurs capacités via des Agent Cards — des fichiers de description publiés par chaque agent
• Un modèle d'authentification et d'autorisation pour sécuriser les échanges inter-agents
• Le support de communications asynchrones longues, adaptées aux tâches qui prennent du temps

L'analogie la plus parlante est celle du protocole HTTP pour le web. HTTP n'a pas rendu tous les sites identiques, mais il a rendu possible leur interopérabilité. A2A ambitionne de jouer ce rôle pour les agents IA : un contrat commun qui permet à des agents hétérogènes de collaborer, sans imposer de stack technologique unique.

Pour les entreprises qui construisent ou achètent des agents spécialisés auprès de différents fournisseurs, A2A est potentiellement une réponse au risque de lock-in. Un agent "conformité" acheté à un éditeur doit pouvoir recevoir des instructions d'un agent "commercial" développé en interne. Sans protocole commun, cette composition est soit impossible, soit coûteuse à maintenir.

MCP et A2A ne s'opposent pas : ils se complètent

Une confusion fréquente dans les discussions techniques consiste à opposer MCP et A2A, comme s'il fallait choisir. C'est une fausse dichotomie. Les deux protocoles opèrent à des niveaux différents de la pile agentique, et une architecture mature les utilise conjointement.

Pour schématiser : MCP est la colonne vertébrale de l'accès aux données et aux outils, tandis que A2A est le réseau de communication entre cerveaux. Un agent utilise MCP pour se connecter à vos systèmes internes. Il utilise A2A pour déléguer une partie de sa mission à un agent spécialisé, ou pour rendre compte de son avancement à un agent orchestrateur.

Dans une architecture agentique d'entreprise complète, on retrouve généralement ces deux couches :

• La couche d'intégration (MCP) : chaque agent dispose d'un ensemble de serveurs MCP qui lui donnent accès aux outils et données dont il a besoin — ERP, bases de connaissance, APIs métier
• La couche de collaboration (A2A) : les agents se découvrent mutuellement via leurs Agent Cards, échangent des tâches, partagent des artefacts, et coordonnent leurs actions pour atteindre un objectif commun

Cette séparation des responsabilités est une bonne pratique d'architecture. Elle évite que les protocoles de communication inter-agents ne se mélangent aux mécanismes d'accès aux données, ce qui rendrait le système difficile à déboguer, à sécuriser et à faire évoluer.

L'IA Mesh : la vision d'ensemble qui donne du sens à ces protocoles

MCP et A2A sont des protocoles. Mais ils ne prennent leur pleine signification que lorsqu'on les replace dans une vision architecturale plus large : celle de l'IA Mesh.

L'IA Mesh désigne une architecture dans laquelle des agents IA spécialisés sont distribués à travers l'organisation, interconnectés de manière flexible, et capables de se composer dynamiquement pour répondre à des besoins métier complexes. C'est l'équivalent, pour l'intelligence artificielle, de ce qu'est le Service Mesh pour les microservices : une infrastructure de communication et d'orchestration qui rend le tout plus fiable, plus observable et plus sécurisé que la somme de ses parties.

Dans une IA Mesh, chaque agent est à la fois autonome et membre d'un collectif. Il a ses propres capacités, ses propres accès (via MCP), et sa propre logique métier. Mais il peut aussi être invoqué par d'autres agents (via A2A), et contribuer à des workflows qui dépassent largement son périmètre individuel.

Cette vision change radicalement la manière dont on conçoit les projets IA en entreprise. On ne construit plus un "projet IA" monolithique avec un LLM central qui tout fait. On construit un réseau d'agents spécialisés, chacun excellent dans son domaine, capables de collaborer de manière opportuniste selon les besoins. C'est une approche plus résiliente, plus évolutive, et — à terme — plus performante.

L'analogie avec le développement logiciel est frappante. On ne construit plus des applications monolithiques ; on orchestre des microservices. On ne déploie plus des agents monolithiques ; on compose des réseaux d'agents. MCP et A2A sont les protocoles qui rendent cette composition possible et fiable.

Les défis concrets que ces protocoles ne résolvent pas seuls

Soyons honnêtes : l'existence de protocoles standardisés ne suffit pas à garantir le succès d'une architecture agentique. Plusieurs défis restent entiers, et les ignorer serait une erreur stratégique.

La gouvernance et la sécurité sont probablement les enjeux les plus critiques. Un réseau d'agents autonomes qui interagissent avec vos systèmes de production est une surface d'attaque considérable. Qui a le droit d'appeler quel agent ? Avec quelles données ? Dans quel périmètre d'action ? A2A propose des mécanismes d'authentification, mais la politique de sécurité reste à définir et à implémenter par chaque organisation. La souveraineté sur les données transitant entre agents — notamment si certains sont hébergés chez des fournisseurs tiers — est une question qui mérite une attention particulière, surtout dans des secteurs régulés.

L'observabilité est un autre défi majeur. Dans un système agentique distribué, tracer le chemin d'une décision devient complexe. Quand un agent RH a pris une décision basée sur une recommandation d'un agent d'analyse, lui-même alimenté par des données issues de trois systèmes via MCP, comment reconstituez-vous la chaîne causale en cas de problème ? Les outils de monitoring traditionnels ne sont pas adaptés. Il faut penser l'observabilité agentique dès la conception, pas après coup.

La maturité des écosystèmes est également à considérer. MCP et A2A sont des protocoles relativement récents, et leur adoption — bien qu'en forte croissance — reste inégale selon les éditeurs et les plateformes. Construire aujourd'hui une architecture entièrement fondée sur ces standards implique d'accepter une certaine incertitude sur leur évolution, et de maintenir une veille active sur les implémentations de référence.

Enfin, il y a le défi humain. Comme le souligne le rapport Tech Trends 2026 de SFEIR et WEnvision, le passage à l'IA agentique demande un effort significatif de conduite du changement. Les développeurs qui ont l'habitude de rédiger du code doivent apprendre à superviser des agents. Les architectes doivent repenser leurs patterns d'intégration. Les métiers doivent apprendre à définir des intentions et des contraintes plutôt que des processus pas à pas. Ce n'est pas une transformation technique ; c'est une transformation organisationnelle et culturelle.

Comment SFEIR accompagne ses clients dans cette transition

Chez SFEIR, nous avons fait le choix de ne pas attendre que ces technologies soient "matures" pour les mettre entre les mains de nos clients. Nous croyons que c'est maintenant, dans cette phase d'émergence, que se constituent les avantages compétitifs durables — et que se forgent les erreurs qu'il vaudra mieux avoir commises tôt.

Nos équipes d'architectes IA et de staff engineers accompagnent aujourd'hui des organisations sur plusieurs axes :

• L'audit des systèmes existants pour identifier les points d'exposition MCP prioritaires : quels outils et données méritent d'être exposés en priorité aux agents ? Quelles sont les implications en termes de sécurité et de gouvernance des données ?
• La conception d'architectures IA Mesh adaptées au contexte de l'entreprise : à quelle granularité découper les agents ? Comment les nommer, les documenter, les versionner ? Comment organiser la gouvernance de ce réseau ?
• L'accompagnement des équipes de développement dans la prise en main des outils agentiques : de Claude Code aux frameworks d'orchestration comme LangGraph ou AutoGen, nos ingénieurs forment et coachent les développeurs dans cette nouvelle pratique de l'ingénierie d'intention.
• La construction de patterns de sécurité et d'observabilité adaptés aux architectures multi-agents, pour que la rapidité de déploiement ne se fasse pas au détriment de la maîtrise opérationnelle.

Notre conviction, forgée par des dizaines de missions sur le terrain, est que les entreprises qui réussiront leur transition vers l'IA agentique ne sont pas nécessairement celles qui déploient le plus d'agents. Ce sont celles qui construisent les meilleures fondations : des systèmes d'information exposés de manière sécurisée via MCP, des agents bien gouvernés capables de collaborer via A2A, et des équipes humaines qui ont appris à travailler avec ces agents plutôt que de les subir.

Ce que les décideurs doivent retenir aujourd'hui

MCP et A2A ne sont pas des détails d'implémentation réservés aux architectes. Ce sont des choix stratégiques qui conditionnent la manière dont votre organisation pourra composer, gouverner et faire évoluer ses capacités IA dans les années à venir.

Si vous êtes DSI ou CTO, les questions à vous poser dès maintenant sont les suivantes :

• Quels sont nos systèmes critiques qui gagneraient à être exposés via des serveurs MCP — et comment sécuriser cette exposition ?
• Avons-nous une stratégie pour éviter de recréer des silos agentiques, en adoptant A2A comme standard de communication inter-agents dès aujourd'hui ?
• Comment allons-nous assurer l'observabilité et l'auditabilité de nos workflows agentiques, en particulier dans les processus à fort enjeu réglementaire ?
• Nos équipes sont-elles préparées à la transformation de leurs pratiques qu'implique l'IA agentique — pas seulement techniquement, mais culturellement ?

Si vous êtes responsable métier, la question est peut-être plus simple : quels processus dans votre périmètre sont aujourd'hui freinés par des tâches répétitives, des délais d'intégration entre systèmes, ou des goulets d'étranglement humains ? Ce sont probablement là que les premiers agents spécialisés — connectés via MCP, orchestrés via A2A — auront le plus d'impact.

Nous vivons une rupture opérationnelle. Le passage de l'IA assistante à l'IA agentique n'est pas une évolution graduelle : c'est un changement de paradigme qui touche à la fois l'architecture des systèmes, l'organisation des équipes, et la nature du travail lui-même. MCP et A2A sont les protocoles qui rendent cette rupture possible à l'échelle de l'entreprise. Les comprendre, les adopter avec discernement, et construire autour d'eux une architecture cohérente : voilà le travail qui commence.

Les équipes de SFEIR sont disponibles pour vous accompagner dans cette exploration — du cadrage stratégique à l'implémentation terrain. Parce que l'avenir agentique se construit, lui aussi, ensemble.