Deux sigles reviennent dans presque tous les projets IA d'entreprise, et ils sont régulièrement employés l'un pour l'autre. RAG d'un côté, MCP de l'autre. Comme les deux servent à « brancher une IA sur les données de l'entreprise », on les traite parfois comme des synonymes.
Ils ne le sont pas, et le choix entre les deux ne dépend ni du budget ni de la maturité de l'entreprise. Il dépend d'une seule chose : l'endroit où se trouve la réponse.
La question qui tranche
Posez-vous la question suivante à propos de ce que vos équipes cherchent : si un collaborateur devait aller chercher l'information à la main, ouvrirait-il un document ou une application de gestion ?
S'il ouvre un PDF, un contrat, une procédure, un compte rendu ou une notice, la réponse est dans du texte non structuré. C'est un sujet de RAG.
S'il ouvre l'ERP, le CRM, l'outil de tickets ou une base, la réponse est dans une donnée structurée, rangée en lignes et en colonnes. C'est un sujet de MCP.
Cette formulation paraît simpliste. Elle tranche pourtant la grande majorité des cas en moins d'une minute, et elle évite d'acheter la mauvaise brique.
Ce que fait un RAG, et où il s'arrête
Le RAG, pour Retrieval-Augmented Generation, découpe vos documents en fragments, les indexe, puis retrouve les passages les plus proches de la question posée. Le modèle rédige ensuite sa réponse à partir de ces passages, en citant sa source.
C'est la bonne approche quand l'information est rédigée : conditions contractuelles, procédures qualité, documentation technique, historique de correspondance, comptes rendus.
Ses limites apparaissent dès qu'il faut compter. Un RAG retrouve un passage, il ne fait pas d'arithmétique sur un ensemble. Demandez-lui la somme des commandes du trimestre : il vous rendra un extrait de document qui parle de commandes, pas un total juste. Il ne sait pas non plus garantir l'exhaustivité, puisqu'il travaille sur les fragments qu'il juge pertinents, pas sur la totalité du corpus.
Ce que fait un MCP, et où il s'arrête
Le MCP, pour Model Context Protocol, expose à l'IA des vues sur vos systèmes structurés. Le modèle traduit la question en requête, la requête s'exécute sur la donnée réelle, et le résultat revient avec sa provenance.
C'est la bonne approche quand la réponse suppose de compter, de croiser, de comparer ou de vérifier une cohérence. Le calcul est fait par la base, pas par le modèle, ce qui règle la question de la justesse arithmétique.
Ses limites sont symétriques. Un MCP ne sait rien de ce qui n'est pas dans une table. Si la clause qui vous intéresse figure dans un contrat scanné et pas dans un champ de l'ERP, aucune requête ne la trouvera. Et il n'améliore pas une donnée mal saisie : il la rend simplement plus visible.
Le comparatif, ligne à ligne
| Critère | RAG | MCP |
|---|---|---|
| Nature de la source | Documents, texte libre | Bases, ERP, CRM, outils de gestion |
| Type de question | Que dit ce document sur ce point ? | Combien, depuis quand, par rapport à quoi ? |
| Fiabilité sur les chiffres | Faible, le modèle relit du texte | Élevée, le calcul est fait par la base |
| Exhaustivité | Sur les fragments jugés pertinents | Sur le périmètre exposé, en totalité |
| Emplacement de la donnée | Copiée et indexée dans un index vectoriel | Lue à la source, sans copie |
| Effort de préparation | Nettoyage et découpage des documents | Cartographie du schéma et définition des vues |
| Mise à jour | Réindexation à prévoir | Immédiate, la lecture est en direct |
La ligne sur l'emplacement de la donnée mérite qu'on s'y arrête, parce qu'elle a des conséquences de gouvernance. Un RAG suppose de dupliquer le contenu de vos documents dans un index, qu'il faut ensuite héberger, sécuriser et purger. Un MCP ne duplique rien : la question part, la réponse revient, la donnée n'a pas bougé.
Les cas où il faut les deux
La plupart des entreprises ont les deux problèmes, et les traiter séparément est souvent la bonne décision.
Un exemple courant chez nos clients : le chiffre d'affaires par client est dans l'ERP, les conditions négociées sont dans des contrats signés en PDF. Répondre à « quels clients dépassent le volume prévu à leur contrat ? » suppose d'aller chercher des deux côtés.
Dans ce cas, on ne choisit pas. On monte une brique RAG sur les documents et un serveur MCP sur la donnée de gestion, et c'est l'assistant qui les interroge tour à tour. Mais on les cadre séparément, parce que leurs contraintes de sécurité, leurs droits et leurs cycles de mise à jour n'ont rien à voir.
Comment trancher en dix minutes
Un exercice simple, à faire en interne avant de consulter qui que ce soit. Prenez dix questions réelles que vos équipes posent, celles qui restent aujourd'hui sans réponse rapide. Écrivez-les telles qu'elles sont formulées, sans les reformuler en langage informatique.
Pour chacune, cochez : la réponse est dans un document, ou la réponse est dans une application de gestion. Le décompte donne votre point de départ.
- Une majorité de documents : commencez par le RAG.
- Une majorité d'applications de gestion : commencez par le MCP.
- Un partage équilibré : commencez par celui dont les questions coûtent le plus cher aujourd'hui, et gardez l'autre pour la vague suivante.
Ce que cet exercice révèle presque toujours, c'est qu'une partie des questions n'a besoin d'aucune IA. Trois indicateurs consultés tous les lundis relèvent d'un tableau de bord, pas d'un projet. Le repérer avant de lancer quoi que ce soit fait gagner du temps et de l'argent.
En résumé
Du RAG quand la réponse est dans un document, un MCP quand elle est dans une base. Cette phrase suffit à orienter la conversation, et elle évite le piège le plus fréquent : monter un index documentaire pour répondre à des questions chiffrées, puis constater que les totaux sont faux.
Pour le détail de ce que recouvre la seconde brique, du cadrage des vues jusqu'aux droits par rôle, la page serveur MCP et interrogation des données en langage naturel décrit la méthode et les garde-fous que nous appliquons. Et si vous ne savez pas encore de quel côté vous êtes, c'est exactement ce que règle un audit IA de quelques jours.
