RAG, agents, MCP : ce qui marche vraiment en entreprise, et ce qui n'est que du bruit
Trois mots qu'on vous vend depuis dix-huit mois. L'un tient ses promesses, le deuxième déçoit presque toujours, le troisième est le plus intéressant et le moins compris. Le tri, avec les coûts.
Sommaire
Trois mots, trois niveaux de sérieux
Depuis dix-huit mois, on vous vend trois choses sous le même emballage : le RAG, les agents, et depuis peu MCP.
On vous les présente comme trois étages d’une même fusée. En réalité, ils n’ont ni la même maturité, ni le même rapport bénéfice-coût, ni le même taux d’échec en production.
Voici le tri, tel qu’on le fait avant de conseiller quoi que ce soit à un client. Sans enthousiasme obligatoire.
Si les termes ne vous parlent pas, le lexique les définit — ici, on parle de ce qu’ils valent, pas de ce qu’ils sont.
Le RAG : ça marche, et c’est le meilleur rapport qualité-prix
Commençons par la bonne nouvelle, parce qu’il n’y en a qu’une.
Le RAG tient ses promesses. Le principe — aller chercher les passages pertinents dans vos documents, puis les donner au modèle pour qu’il réponde dessus — reste la manière la plus fiable de faire répondre une IA sur votre réalité plutôt que sur ce qu’elle a lu sur Internet.
Ce que ça résout vraiment. Un nouvel arrivant qui pose une question sur une procédure interne obtient une réponse en dix secondes au lieu de déranger trois personnes. Un commercial retrouve la clause exacte d’un contrat signé il y a deux ans. Un technicien accède à la documentation d’un équipement sans ouvrir un classeur de 400 pages.
Ce ne sont pas des révolutions. Ce sont des dizaines de minutes récupérées chaque jour, par plusieurs personnes.
On a entendu que le RAG était mort. L’argument : les fenêtres de contexte sont devenues énormes, on peut donc envoyer tout le corpus à chaque question. C’est vrai techniquement, et c’est une mauvaise idée en pratique. Envoyer dix mille pages à chaque requête coûte cher, ralentit la réponse, et dégrade la précision — un modèle noyé sous le contexte se disperse. Sélectionner les bons passages reste la bonne réponse.
Le vrai coût n’est pas là où on l’attend. Le modèle ne coûte presque rien. Ce qui coûte, c’est de mettre de l’ordre dans les documents : savoir lesquels font foi, éliminer les versions périmées, décider qui a le droit de voir quoi. C’est du travail ingrat, et c’est 80 % du projet. Ceux qui vous vendent un RAG « clé en main en une semaine » ont sauté cette étape — et leur assistant répondra avec confiance des choses fausses.
Les agents : la démonstration est brillante, la production déçoit
Passons à ce qui ne marche pas — ou plutôt, à ce qui ne marche pas comme promis.
Un agent enchaîne des actions de façon autonome : il lit, décide, agit, recommence. La démonstration est toujours spectaculaire.
Le problème est arithmétique, et il est impitoyable.
| Fiabilité par étape | Tâche en 3 étapes | Tâche en 10 étapes |
|---|---|---|
| 95 % | 86 % | 60 % |
| 98 % | 94 % | 82 % |
| 99 % | 97 % | 90 % |
Un agent qui réussit chaque étape à 95 % — ce qui est déjà excellent — échoue plus de quatre fois sur dix sur une chaîne de dix étapes. Les erreurs ne se compensent pas, elles se composent.
C’est toute la distance entre la démonstration, qui fait trois étapes devant vous, et la production, qui en fait quinze sans témoin.
Ce qui marche quand même. Les agents fonctionnent quand la tâche est courte, vérifiable, et qu’un humain valide avant toute action irréversible. Trier des courriels entrants, préparer un brouillon de réponse, extraire des données d’un document et les proposer à validation : oui. Passer une commande, virer de l’argent, envoyer un courriel à un client sans relecture : non, et personne de sérieux ne vous le conseillera.
La bonne question n’est jamais « l’agent peut-il le faire ? » mais « que se passe-t-il quand il se trompe ? ». Si la réponse est « on ne s’en aperçoit pas », le projet est déjà mort.
MCP : le moins spectaculaire, le plus utile
Et voici le troisième, dont on parle le moins et qui change le plus de choses.
MCP n’ajoute aucune intelligence. Il résout un problème d’intégration, et c’est précisément pour ça qu’il compte.
Le problème d’avant. Vous voulez qu’un assistant accède à votre CRM, à votre base de données et à votre facturation. Trois développements spécifiques. Puis vous changez d’assistant — ou un nouveau, meilleur, sort six mois plus tard. Vous recommencez les trois.
Ce coût de réintégration permanent est la vraie raison pour laquelle tant de projets d’IA en entreprise s’arrêtent après le pilote.
Ce que MCP change. Vous écrivez un serveur par source de données. N’importe quel assistant compatible s’y branche. L’assistant devient interchangeable, vos intégrations restent.
Ce n’est pas glamour. C’est le genre de décision d’architecture qui ne se voit pas et qui décide, deux ans plus tard, si votre projet d’IA a tenu ou pas. C’est exactement le type d’arbitrage qu’une direction technique est censée porter.
Le point de vigilance, et il est sérieux. Un serveur MCP expose vos données à un assistant. Si ce serveur n’est pas authentifié, il les expose à qui sait où le trouver. La question de savoir qui a le droit d’interroger quoi doit être tranchée avant la première ligne de code, pas après. C’est tout l’objet d’un MCP sécurisé.
Le tableau de tri
| Maturité | Ce que ça coûte vraiment | Verdict | |
|---|---|---|---|
| RAG | Éprouvé | Préparer les documents, pas le modèle | ✅ À faire en premier |
| Agents | Fragile en chaîne longue | La supervision humaine qu’il faut garder | ⚠️ Sur tâches courtes et vérifiables |
| MCP | Jeune mais stable | La sécurisation des accès | ✅ Décision d’architecture, à prendre tôt |
Par où commencer, concrètement
Si vous n’avez rien fait, ne commencez pas par un agent. Commencez par la question la plus bête : quelle information vos équipes cherchent-elles tous les jours sans la trouver ?
La réponse tient souvent en une phrase — une procédure, un tarif, une clause, une fiche technique. C’est là qu’un assistant documentaire rembourse son coût en quelques semaines, et c’est là qu’il faut mettre le premier euro.
Le reste viendra. Ou ne viendra pas, et ce ne sera pas grave.
Nous construisons des assistants IA branchés sur vos documents et des serveurs MCP sécurisés — et nous disons non quand le sujet ne le mérite pas. Si vous voulez savoir dans quelle catégorie vous êtes, parlons-en.
Retrouvez nos articles en priorité dans vos résultats Google en nous ajoutant à vos sources préférées.
Ajouter aux sources préféréesQuestions fréquentes
Le RAG est-il encore pertinent en 2026 ?
Oui, et c'est la brique la plus rentable des trois. Le principe reste imbattable pour une raison simple : il permet à un modèle de répondre sur vos documents à vous, sans les envoyer à l'entraînement et sans réentraîner quoi que ce soit. Les fenêtres de contexte se sont beaucoup agrandies, ce qui a fait dire à certains que le RAG était mort — c'est faux : envoyer dix mille pages à chaque question coûte cher, ralentit tout, et dégrade la précision. Sélectionner les bons passages reste la bonne réponse.
Pourquoi les agents IA déçoivent-ils si souvent ?
Parce qu'on leur confie des tâches longues, à plusieurs étapes, dans lesquelles chaque erreur se propage. Un agent qui réussit chaque étape à 95 % réussit une chaîne de dix étapes à environ 60 %. C'est mathématique, et c'est ce qui explique les démonstrations brillantes suivies de mises en production décevantes. Les agents fonctionnent quand la tâche est courte, vérifiable, et qu'un humain valide avant l'action irréversible.
Qu'apporte MCP qu'on n'avait pas avant ?
Un moyen standard de brancher un assistant IA sur vos données et vos outils, sans réécrire une intégration par outil et par assistant. Avant, connecter un modèle à votre CRM, votre base de données et votre facturation demandait trois développements spécifiques, à refaire à chaque changement d'assistant. Avec MCP, on écrit un serveur par source, et n'importe quel assistant compatible s'y branche. Le gain n'est pas dans l'intelligence, il est dans le coût d'intégration et de maintenance.
Combien coûte une première brique d'IA utile en entreprise ?
Beaucoup moins qu'on ne le croit, à condition de ne pas viser l'usine à gaz. Un assistant qui répond sur votre documentation interne se construit en quelques jours, et la facture d'usage se compte souvent en dizaines d'euros par mois pour une PME. Ce qui coûte cher, ce n'est pas le modèle, c'est de préparer les données et de définir ce à quoi il doit servir — c'est-à-dire le travail que personne ne veut faire.
Faut-il un modèle propriétaire ou open source ?
La question est mal posée : ce qui compte d'abord, c'est où tourne le modèle et ce que devient ce qu'on lui envoie. Un modèle ouvert hébergé en Europe et un modèle propriétaire appelé par API n'engagent pas les mêmes risques ni les mêmes coûts. Pour la plupart des usages de PME, la performance n'est plus le facteur limitant depuis longtemps.
