Deux protocoles, MCP et A2A, gagnent du terrain pour connecter et faire collaborer des agents IA. À l’échelle, ils ne suffisent pas: sécurité, gouvernance, contexte et supervision deviennent indispensables. Gartner anticipe plus de 150 000 agents par entreprise du Fortune 500 sous deux ans, alors que 76% des organisations disent buter sur le passage en production. Voici ce que ces déploiements impliquent réellement.
Garde-fous : éviter vitesse des erreurs et angles morts de sécurité
Barr Moses prévient que mis en silos, le MCP et l’A2A peuvent surtout accélérer des réponses erronées. Déployer des agents impose des normes d’observabilité, avec un suivi des étapes et des actions pour diagnostiquer les coopérations, améliorer l’exactitude, traiter les failles et soutenir les audits. David Mytton estime que le prochain défi de sécurité émergera lorsque des agents travailleront entre eux, ce qui compliquera la visibilité. Dans les secteurs réglementés, rappelle Kamesh Tumsi, chaque interaction doit respecter des exigences strictes. Ces enjeux se heurtent à une réalité opérationnelle : 76% des entreprises déclarent des blocages critiques au passage du pilote à la production, tandis que Gartner projette plus de 150 000 agents par entreprise du Fortune 500 sous deux ans.
Identités et autorisations : ce que MCP et A2A ne décident pas
Les protocoles définissent comment un agent présente des identifiants, sans en fixer la gouvernance. Il revient aux organisations de définir l’identité de chaque agent, ses droits d’accès et ses interlocuteurs autorisés. Kevin Paige indique que MCP et A2A relèvent de la Linux Foundation’s Agentic AI Foundation, mais qu’aucun ne précise qui peut initier un appel : le MCP lie chaque jeton à un public serveur unique et empêche les transits, quand l’A2A s’arrête à AUTH_REQUIRED et laisse l’obtention des preuves en dehors du protocole. Les politiques doivent encadrer l’accès aux données non structurées et confidentielles, détailler quelles actions sont permises, dans quelles circonstances et avec quelle granularité. Andrew Hartnett souligne que ces flux deviennent des identités non humaines gérées par secrets programmatiques et recommande de traiter tout agent opérant sur des systèmes sensibles comme une identité privilégiée, au plus juste privilège et avec des garde-fous humains pour les actions à risque.
Couches de contexte : qualité des données, sémantique et confiance
Le MCP sert notamment à relier les agents à la couche de contexte de l’entreprise, qui réunit une sémantique métier partagée et des graphes d’entités et de relations. À l’échelle, cette couche doit s’appuyer sur des données de haute qualité, une gouvernance non négociable et une gouvernance IA en temps réel. Felix Van de Maele distingue la gouvernance des entrées (contexte, sémantique) et celle des sorties (ce que fait l’agent et ce qu’il est autorisé à faire), et rappelle qu’en l’absence d’accord sur la terminologie, la confiance dans les réponses est impossible. Les déploiements BI connectés directement via ODBC/JDBC ont créé des toiles de connexions et des vues en silos, y compris chez de petites structures ; suivre cette voie expose à de la « dette IA ». Les data fabrics offrent une base, mais le travail est d’élever la qualité des connaissances et de relier l’activité des agents à des validations d’experts. Vivek Vaidya souligne qu’ajouter endpoints ou messages ne crée pas un système apprenant si chaque agent repart de zéro ; il préconise de préserver contexte partagé, historique des décisions et jugement humain. La confiance entre experts métiers et résultats d’agents doit être construite, la couche de contexte restant en évolution continue. Barr Moses met en garde contre l’illusion qu’un protocole couvrirait la couche de confiance, et James Oh insiste sur des moyens fiables pour que les agents évaluent les outils et pairs à qui se fier.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Des agents spécialisés favorisent la transformation des processus
Beaucoup d’agents sont conçus par tâches, ce qui facilite le contrôle d’accès et le suivi de performance. À mesure des déploiements, des opportunités apparaissent pour repenser des processus grâce à la collaboration d’agents. Oskar Konstantyner décrit un basculement où chaque agent apporte son expertise et co-détermine la tâche, au-delà de l’orchestration de capacités prédéfinies. Des processus tels que traitement de commandes, onboarding ou reporting de conformité peuvent basculer vers des séquences portées par des agents coopérant, alors que, rappelle Daniel Meyer, ces processus datent d’avant l’IA actuelle. Cette refonte exige l’A2A pour déléguer et échanger résultats entre agents indépendants. Marc Sanfaçon précise que l’A2A standardise ces échanges et que, combinés, MCP et A2A aident à traverser des processus complexes, à condition que les systèmes fournissent des informations pertinentes et récentes et fassent respecter les droits.
Ce que font MCP et A2A, et où ils s’arrêtent
Des responsables techniques distinguent nettement les rôles : le MCP tient de la boîte à outils ou du port USB sécurisé qui relie un agent à fichiers, bases ou SaaS sans code passerelle sur mesure ; l’A2A assure la négociation et la coordination entre agents, comme un généraliste et ses sous-traitants. Pour Arpita Soni, le MCP standardise l’accès vertical d’un agent unique aux outils et données, quand l’A2A apporte la connexion horizontale : découverte, négociation de capacités et passage de tâches entre agents, avec un langage commun pour communiquer et déléguer. Ces protocoles posent la base, mais l’échelle demande des couches supplémentaires : identités et autorisations, contexte d’entreprise, réingénierie et agenticops. Leur adoption s’accélère : des outils de création (Bolt.new, Lovable, Pave, Replit, v0) se branchent sur des serveurs MCP, des éditeurs IA (Claude Code, Cursor, Devin Desktop, Gemini CLI, GitHub Copilot, Kiro) embarquent des clients MCP, et de grands modèles exposent des personnalisations via MCP et A2A. Ils devraient peser sur la gestion des agents en entreprise, même si leur simple présence ne règle pas l’orchestration ni la gouvernance.
