Un consultant en growth marketing a cessé de passer des après-midi entiers à extraire des données de quatorze onglets de navigateur et d'innombrables feuilles de calcul en construisant un serveur Model Context Protocol (MCP). Le serveur permet à un assistant IA d'extraire et d'agir sur les données de Google Ads, Meta, GA4 et Search Console. Il génère désormais des rapports mensuels, effectue des audits et applique des optimisations sans intervention manuelle, libérant le marketeur pour qu'il se concentre sur la stratégie plutôt que sur la manipulation de données.

Pourquoi ce changement était crucial

Le reporting sur les plateformes de recherche payante, de réseaux sociaux et d'analyse était autrefois une chorégraphie manuelle : ouvrir chaque tableau de bord, copier les chiffres dans une feuille de calcul, réconcilier les écarts, puis rédiger des analyses. Cet effort consommait un temps précieux et introduisait des erreurs humaines. Le MCP change le flux de travail en donnant à l'IA un accès direct aux langages de requête natifs et aux API des plateformes, transformant le « dis-moi les chiffres » en « va chercher les chiffres pour moi ».

Le fondement technique

Le MCP est un protocole qui permet à un assistant alimenté par un LLM d'appeler des outils externes dans le cadre de son raisonnement. En pratique, le consultant a mis en place un petit service web qui expose le langage de requête brut de chaque plateforme (Google Ads → GAQL) et les points de terminaison (endpoints) REST standard pour Meta, GA4 et Search Console. L'IA construit des requêtes, les envoie au serveur, reçoit des résultats structurés et peut effectuer des opérations d'écriture suivies de lectures de vérification.

Trois choix de conception qui ont porté leurs fruits

  • Exposer les langages de requête natifs plutôt que de simples wrappers – La première tentative consistait à écrire une fonction distincte pour chaque besoin de données (par exemple, get_campaigns). De nouveaux angles de reporting ont rapidement fait gonfler la base de code. En exposant directement le GAQL, un seul point de terminaison permet à l'IA de rédiger n'importe quelle requête nécessaire. Les compositions GAQL de l'assistant ont surpassé les scripts manuels du consultant, et le même modèle fonctionne pour les autres plateformes.
  • Vérifier chaque écriture par une lecture – Les API renvoient souvent un indicateur de succès même lorsque le changement n'a pas été pris en compte. Le serveur effectue désormais une lecture après chaque écriture ; si la valeur attendue est manquante, il enregistre un échec et alerte l'utilisateur. Ce garde-fou empêche les erreurs silencieuses qui pourraient corrompre les données de performance.
  • Maintenir un journal d'erreurs en markdown – Chaque bug, champ mal saisi ou règle mal comprise est consigné dans learned-errors.md. L'IA lit ce fichier au début de chaque session, s'apprenant ainsi ce qu'elle ne doit pas répéter.

Trois pièges qui ont coûté du temps

  • Collisions de noms entre les outils et les imports – Une fonction partageait le même nom qu'un module importé, provoquant le plantage du serveur lors de l'exécution. L'attribution d'un alias distinct à chaque import a éliminé le conflit.
  • Négliger le rechargement à chaud (hot reload) – Le serveur MCP chargeait le code une seule fois au lancement. Les modifications de la base de code n'entraient en vigueur qu'après le redémarrage de tout le processus client, entraînant des heures de débogage de code mort. L'ajout d'un flux de travail de redémarrage complet après chaque modification a résolu le problème.
  • Dépendances manquantes – Un import égaré, absent de l'environnement virtuel, a fait planter le serveur au démarrage. Des vérifications préalables installent et vérifient désormais tous les packages requis avant un redémarrage, permettant de détecter le problème rapidement.

À retenir

Un modeste serveur MCP peut transformer un rituel de reporting laborieux en un flux de travail automatisé et prêt pour l'audit, mais cela exige des pratiques de codage disciplinées et la volonté de maintenir un petit service. Les marketeurs qui investissent le temps de configuration échangent la corvée des feuilles de calcul contre l'analyse stratégique.