Skills et MCP : transformer le savoir-faire des processus en briques pour agents d'IA

Le savoir-faire opérationnel devient exploitable de façon fiable par des agents d'IA si on le sépare selon sa nature : les procédures vont dans des Agent Skills, l'accès aux systèmes et aux données dans des serveurs fondés sur le Model Context Protocol (MCP), le savoir documentaire volumineux dans une recherche par génération augmentée par récupération (RAG). Aucune de ces normes ne rend à elle seule un agent sûr ou infaillible. Seuls des droits limités, des validations humaines et une maintenance du savoir avec des responsabilités claires y parviennent.

La question devient concrète. Selon Bitkom, 11 % des entreprises allemandes qui utilisent, planifient ou envisagent l'IA emploient déjà des agents d'IA, et 29 % de plus le prévoient. Contrairement à un chatbot, un agent accomplit des tâches de manière autonome. Une vieille question se pose donc à nouveau : où est-il écrit, au juste, comment fonctionne chez vous une procédure de contrôle ou le calcul d'un devis ? Souvent dans les têtes, dans des documents épars et dans les habitudes. Gartner prévoit que plus de 40 % des projets d'IA agentique seront arrêtés d'ici fin 2027, notamment en raison d'un bénéfice flou et de contrôles des risques insuffisants. Un savoir-faire de processus bien structuré agit précisément sur ces deux points.

Quatre briques pour quatre types de savoir

Skills et MCP résolvent des problèmes différents. Selon la spécification, un Agent Skill est un dossier contenant un fichier nommé SKILL.md : nom, description et instructions en Markdown, complétés le cas échéant par des scripts, des documents de référence et des modèles. L'agent ne lit d'abord que le nom et la description et ne charge le reste que si la tâche l'exige. Les Skills véhiculent le savoir procédural : l'ordre des étapes de contrôle, les règles de tolérance, les exigences de format.

MCP, en revanche, régit l'accès. La spécification décrit un protocole ouvert par lequel les applications d'IA appellent des outils et interrogent des données, par exemple dans l'ERP, le PLM ou la gestion électronique des documents. Un connecteur est construit une fois et peut être utilisé par les applications de différents éditeurs.

La RAG récupère des faits dans des corpus documentaires au moment de l'exécution, sans modifier le modèle. Le fine-tuning, lui, ajuste les poids du modèle. Il peut être pertinent pour des tâches durables de style ou de classification, mais devient lourd dès que le savoir évolue.

Les deux normes viennent à l'origine d'Anthropic. Depuis décembre 2025, MCP relève de l'Agentic AI Foundation, sous l'égide de la Linux Foundation, dont font aussi partie OpenAI, Google, Microsoft et SAP. Les Agent Skills sont un standard ouvert depuis le 18 décembre 2025, pris en charge selon agentskills.io par les applications de nombreux éditeurs. En décembre 2025, il existait selon Anthropic plus de 10 000 serveurs MCP publics. Cela réduit le risque de dépendance à un fournisseur, mais la spécification évolue : la version actuelle du 28 juillet 2026 apporte des changements fondamentaux. Vos propres serveurs ont donc besoin de maintenance.

Chaque brique fait partie de la chaîne d'approvisionnement logicielle

Skills et serveurs MCP ne sont pas d'inoffensifs fragments de texte. La spécification MCP elle-même indique que les outils impliquent l'exécution de code arbitraire et que le protocole ne peut pas imposer seul ses principes de sécurité. L'autorisation y est facultative ; là où elle est mise en œuvre, les jetons doivent être liés exactement au serveur concerné.

L'empoisonnement d'outils (tool poisoning) est bien documenté : des instructions cachées dans les descriptions d'outils, que le modèle lit mais que l'utilisateur ne voit pas, ont amené un agent, lors d'une démonstration, à lire des fichiers de configuration et des clés SSH. Une variante ne modifie la description qu'après validation. Pour les Skills aussi, Anthropic conseille de ne les installer qu'à partir de sources de confiance. La liste OWASP des dix principaux risques des applications agentiques, de décembre 2025, traite ces risques de chaîne d'approvisionnement comme une catégorie à part entière.

Conclusion : limiter les dégâts plutôt qu'espérer une détection parfaite. Dans leurs principes de conception zero trust, le BSI allemand et l'ANSSI recommandent de restreindre les droits d'accès au strict nécessaire et de faire superviser les décisions critiques par des humains. En pratique : uniquement des serveurs et Skills validés en interne, des versions figées, un nouvel examen des descriptions d'outils modifiées, des permissions minimales au lieu d'un accès complet, des scripts exécutés de façon isolée. Commandes, e-mails aux clients et exports de données ne partent qu'après validation humaine.

La gouvernance décide de la fiabilité

Un Skill ne vaut que ce que vaut la procédure qu'il décrit. Son avantage : les experts métier peuvent le lire. Selon agentskills.io, les Skills doivent traduire des tâches en plusieurs étapes en déroulements cohérents et vérifiables. Cela ne fonctionne que si quelqu'un est responsable du contenu sur le plan métier, versionne les modifications et documente les validations.

Un exemple illustratif, et non un cas réel : un équipementier veut assister le contrôle de premier article. Le Skill contient l'ordre de contrôle, les règles de tolérance et un modèle de rapport. Un serveur MCP lit les données de commande et l'état des plans dans l'ERP et le PLM, en lecture seule. Les extraits internes de normes sont rendus accessibles par une recherche RAG, si les licences le permettent. L'agent rédige le rapport, l'assurance qualité le valide.

Avant qu'un tel projet ne quitte le stade pilote, quelques questions devraient trouver réponse : qui est responsable du contenu du Skill ? Sur quels cas de test réels le résultat est-il vérifié, et quelle erreur coûterait cher ? De quels droits dispose l'agent, sous quelle identité ? Que se passe-t-il si le système source ou la spécification change ? Un guide de plusieurs agences de sécurité anglo-saxonnes conseille lui aussi de commencer par des tâches bien délimitées et à faible risque.

Le fine-tuning reste la dernière option. Tant que les Skills, la RAG et des serveurs MCP aux droits bien définis résolvent la tâche, votre savoir-faire de processus reste modifiable et traçable au lieu de disparaître dans les poids d'un modèle.

Lequel de vos processus se prête à un premier cas de test peut se clarifier dans une courte étude de faisabilité avec capinori.

Questions fréquentes sur les Agent Skills et MCP

Sources (11)

• Bitkom : Künstliche Intelligenz in der Wirtschaft 2026, présentation, 14/09/2026 (en allemand)
• Gartner : Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25/06/2025 (en anglais)
• Agent Skills : site et spécification, consultés le 15/10/2026 (en anglais)
• Anthropic : Equipping agents for the real world with Agent Skills, 16/10/2025, mise à jour le 18/12/2025 (en anglais)
• Anthropic : Donating the Model Context Protocol and establishing the Agentic AI Foundation, 09/12/2025 (en anglais)
• Linux Foundation : Formation of the Agentic AI Foundation, 09/12/2025 (en anglais)
• Model Context Protocol : spécification, journal des modifications 2026-07-28, autorisation et bonnes pratiques de sécurité, consultés le 15/10/2026 (en anglais)
• Invariant Labs : MCP Security Notification: Tool Poisoning Attacks, 01/04/2025 (en anglais)
• OWASP GenAI Security Project : Top 10 for Agentic Applications for 2026, 09/12/2025 (en anglais)
• ANSSI et BSI : Design Principles for LLM-based Systems with Zero Trust, 11/08/2025 (en anglais)
• Mayer Brown : Multi-Agency Guidance on Securing Agentic AI Systems, 10/06/2026 (synthèse de « Careful Adoption of Agentic AI Services », NSA et al., 30/04/2026) (en anglais)