Codévelopper avec l’IA

Par Charles Saulnier, directeur, Analytique des données

Passer à la vitesse supérieure avec les serveurs MCPs et Skills d’agent

J’anticipe votre réaction : bon, encore un article qui va nous dire que l’IA, c’est magique… et vous avez partiellement raison! Nous allons aborder certains concepts qui permettent vraiment de vivre de meilleures expériences dans vos interactions avec votre agent favori. La bonne nouvelle, c’est que de plus en plus d’agents et d’environnements s’appuient sur des protocoles standardisés, centrés sur l’interopérabilité; on peut ainsi bénéficier des mêmes outils pour réaliser nos projets et nos idées.

L’environnement de développement bonifié par l’IA

Quand le grand public a commencé à utiliser des outils comme Copilot et ChatGPT, la complexité du processus de réflexion et d’action était bien cachée, et à moins d’être un développeur spécialisé en IA, le gros de l’interaction ressemblait (et peut encore ressembler) à ceci :

1. L’utilisateur rédige une invite pour poser une question ou demander une action à l’IA. Un modèle LLM par défaut ou choisi par l’utilisateur interprète alors l’invite;
2. Un agent IA prend la requête en charge et détermine les étapes à accomplir pour produire la sortie requise;
3. L’agent s’appuie sur des données à sa disposition, qu’elles proviennent du web ou de contenu de l’organisation, pour réaliser les étapes de solution;
4. Une réponse est générée dans l’interface utilisateur, que ce soit une suggestion, un extrait de code ou une action autorisée par l’utilisateur.

Ce processus peut générer des solutions adaptées à la requête, bien que, dans plusieurs cas, on soit obligé de raffiner énormément l’invite ou de faire plusieurs itérations pour obtenir une réponse alignée avec notre demande initiale.

Dans un environnement de développement tel VS Code, nous pouvons améliorer l’efficacité de nos interactions avec l’IA en fournissant à notre « copilote » des outils et façons de faire établies. Nous allons nous concentrer ici sur deux composants : les serveurs MCP (Model Context Protocol) et les Skills d’agent.

Les serveurs MCP : le coffre à outils incontournable

Avant la mi-2025, l’intégration d’agents à des outils externes reposait surtout sur des APIs, des SDKs et des conventions propres à chaque fournisseur, ce qui limitait les possibilités de réutilisation. Depuis le développement du standard par Anthropic en 2024 et l’accélération marquée de son adoption plus large vers la fin 2025, le Model Context Protocol sert de couche standard pour qu’un agent puisse accéder à l’ensemble des outils pertinents à ses activités.

Par exemple, pour un développeur Power BI, l’automatisation d’activités passait par des appels aux APIs Power BI à travers PowerShell ou Python principalement. Lorsque Microsoft a mis à disposition le Power BI Modeling MCP Server, les scripts ont pu être en partie remplacés par des outils qui gèrent l’authentification et l’accès à des APIs en lecture ou écriture pour effectuer des actions autrefois complexes en une invite (ou presque). Pour un développeur soucieux de la qualité de son travail, l’ajout d’autres serveurs MCP à son environnement de travail permet de gérer des activités connexes en mettant plus d’outils à son coffre (par exemple avec le MCP Atlassian pour générer des pages de documentation et des diagrammes, le MCP Snowflake pour, entre autres, créer et raffiner des requêtes SQL, etc.).

Les Skills d’agent : les plans signés par l’architecte

On voit donc qu’utiliser notre agent et modèle favori avec un ou plusieurs serveurs MCP, c’est un plus. Il reste cependant des chances que vous ayez de la difficulté à reproduire vos résultats à tout coup malgré l’utilisation d’une invite identique. C’est là où les skills entrent en ligne de compte. Donner accès à un ensemble de skills à Claude Code ou GitHub Copilot (ou tout équivalent), c’est lui donner les outils pour réaliser son travail, de même que les plans et la marche à suivre pour arriver au résultat attendu. Tout skill contient au minimum un fichier SKILL.md, raffiné si nécessaire par des éléments respectant cette structure (entièrement optionnels) :

Pour revenir à l’exemple Power BI, le Power BI Modeling MCP Server offre des outils concernant la couche données/modèle sémantique, mais pas les visuels. Microsoft a donc récemment mis à disposition un ensemble de skills via le plugin powerbi-authoring venant combler le manque de ressources et d’instructions permettant aux agents d’accomplir des tâches de création de visuels et de pages de rapport (il y a bien Copilot dans Power BI, mais on atteint très rapidement ses limites pour la visualisation). À partir de ces ressources, nous pouvons bonifier ou complémenter ces skills afin de gérer des cas complexes de création de visuels assistés par l’IA : signets, visuels personnalisés, gestion de thèmes organisationnels, etc.

Une interface, plusieurs couches pour arriver au meilleur résultat

Le codéveloppement avec l’intelligence artificielle se décline donc en plusieurs couches qui viennent enrichir l’expérience des analystes et développeurs, peu importe le projet logiciel. Nous pouvons donc bonifier le diagramme initial en incluant serveurs MCP et skills :

1. L’utilisateur rédige une invite pour poser une question ou demander une action à l’IA. Un modèle LLM par défaut ou choisi par l’utilisateur interprète alors l’invite;
2. Un agent IA prend la requête en charge et détermine les étapes à accomplir pour produire la sortie requise;
3. L’agent vérifie si un ou des skills lui donnent la marche à suivre pour adresser la requête;
4. Le skill peut s’appuyer sur un ou des serveurs MCP pour accéder aux outils pertinents. Selon l’environnement, l’agent peut aussi appeler directement des outils exposés par un serveur MCP, même sans skill dédié;
5. Les données pertinentes sont ajoutées au contexte;
6. La réponse est générée sous forme de code, de recommandations ou d’actions approuvées par l’utilisateur.

Cet écosystème offre des opportunités emballantes pour accélérer oui, mais surtout enrichir et standardiser les livraisons en s’appuyant sur des processus éprouvés et facilement reproductibles.

Dans la mesure où les garde-fous appropriés sont mis en place pour encadrer sa saine utilisation, les possibilités que nous ouvrent les dernières évolutions en IA semblent infinies! Ne reste qu’à explorer comment vous pouvez capitaliser sur l’évolution rapide de ces technologies.

Pour aller plus loin

Introduction au Model Context Protocol

L’architecture d’agents et ses composants

Modèle en couches pour l’IA

Cet article utilise des références valides en juin 2026. Compte tenu du rythme d’évolution des modèles et outils IA, il est possible que le contenu mérite une mise à jour si vous le consultez plus tard.