Qu'est-ce que le MCP et pourquoi chaque équipe de construction devrait y prêter attention
Are you prepared for what’s next in AECO?
Deux semaines avant la Made Right 2026, le paysage de l'IA a de nouveau basculé. De nouveaux modèles ont émergé. Des modèles économiques ont été remis en question du jour au lendemain. Si vous ne faites pas attention à la vitesse à laquelle tout cela évolue, vous êtes déjà en retard.
Mais la vitesse sans direction, ce n'est que du bruit. La question pour les équipes de construction n'est pas ce que l'IA peut faire en théorie. C'est ce qu'elle peut faire avec vos données projet, d'une façon que vous contrôlez, sans compromettre votre sécurité ni votre propriété intellectuelle.
C'est précisément à cela que sert le MCP.
Qu'est-ce que le Model Context Protocol ?
Le MCP, ou Model Context Protocol, est un standard qui permet à n'importe quel modèle d'IA d'accéder de façon sécurisée à un contexte — c'est-à-dire à vos données — de manière universelle et interopérable.
Imaginez-le comme un traducteur universel. Plutôt que de construire une intégration sur mesure entre chaque outil d'IA et chaque source de données, le MCP crée une connexion standard que toute IA conforme peut utiliser. Vos données projet dans le Revizto Collaboration Hub — vos journaux d'annotations, les propriétés de vos modèles, votre historique de coordination — deviennent interrogeables par Claude, ChatGPT, Gemini ou tout autre LLM approuvé par votre organisation. En langage naturel. En temps réel. Sans exporter le moindre tableur.
Le MCP en pratique
À la Made Right 2026, j'ai présenté une démonstration avec Claude connecté à Revizto via MCP, que vous pouvez visionner à partir de 10:36 dans la vidéo ci-dessous.
Les cas d'usage vont bien au-delà d'une simple démonstration. Voici quelques exemples de ce que les flux de travail activés par MCP permettent :
- Audits de modèles. Demandez à l'IA de passer en revue tous les imports récents et de signaler tout ce qui ne respecte pas votre convention de nommage.
- Recoupement entre systèmes. Comparez les équipements de génie climatique dans votre modèle Revizto avec votre système d'approvisionnement et signalez tout ce qui risque d'être livré en retard.
- Triage des annotations. Faites remonter, regroupez et priorisez les annotations ouvertes sur l'ensemble des projets en langage naturel, sans filtrage manuel.
- Remise numérique. Extrayez l'historique d'annotations, les données de modèles et la documentation pertinents dans les formats dont votre client ou votre équipe de facility management a besoin à la clôture du projet.
- Transformation de données entre systèmes. Transférez des données projet structurées entre Revizto et le reste de votre écosystème technologique sans intégrations sur mesure pour chaque outil.
Tout cela depuis une interface unique en langage naturel, connectée à vos données projet en direct.
La souveraineté des données, c'est non négociable
Revizto n'ingère pas vos données projet pour alimenter quelque IA que ce soit. La connexion MCP donne à l'outil d'IA de votre choix un accès temporaire et soumis à autorisation au contexte de votre projet, le temps d'une requête. Rien n'est stocké. Rien n'est utilisé pour l'entraînement. Vous décidez quelles données sont accessibles et lesquelles ne le sont pas. Vous pouvez lire exactement comment cela fonctionne sur notre page dédiée à la sécurité et à la souveraineté des données.
Cette approche est structurellement différente du modèle où un éditeur construit une IA propriétaire entraînée sur des données clients agrégées. Dans ce modèle-là, l'historique de votre projet contribue à alimenter un modèle dont bénéficient tous les autres clients de cet éditeur — y compris vos concurrents. Dans le modèle MCP, vos données vous appartiennent, l'IA vous appartient, et les insights restent chez vous.
Ce n'est pas seulement une distinction technique. C'est une distinction commerciale. Et c'est le principe qui sous-tend tous nos engagements dans le Manifeste IA de Revizto.
Ce que cela signifie pour vos décisions technologiques
Pour les DSI et les responsables technologiques qui évaluent des plateformes de construction en 2026, la question du MCP constitue un filtre utile. Cette plateforme me donne-t-elle un accès API à mes propres données ? Puis-je connecter mes outils d'IA approuvés à ces données sans que l'éditeur s'intercale ? Mes données sont-elles utilisées pour entraîner quoi que ce soit sans mon consentement ?
Les réponses classent rapidement les éditeurs en deux catégories : ceux qui construisent des écosystèmes ouverts donnant le contrôle à leurs clients, et ceux qui construisent des systèmes fermés qui réduisent progressivement vos choix tout en appelant cela de l'innovation.
Si vous souhaitez mesurer à quel point ces préoccupations sont partagées à l'échelle du secteur, les résultats du rapport Combler le fossé : conception et construction numériques 2026 méritent d'être lus. 96 % des DSI interrogés ont déclaré être préoccupés par la propriété des données. La question n'est plus de savoir si cela compte. C'est de savoir si votre écosystème technologique actuel en tient compte.
FAQ
Le Model Context Protocol (MCP) est un standard ouvert qui permet aux modèles d'IA d'accéder de façon sécurisée à des sources de données externes de manière universelle et interopérable. Dans les logiciels de construction, le MCP permet à des outils d'IA tels que Claude, ChatGPT ou Gemini d'interroger des données projet en direct — notamment les journaux d'annotations, les propriétés des modèles et l'historique de coordination — directement et en langage naturel, sans intégrations sur mesure ni exports de données. La connexion est temporaire et soumise à autorisation : l'IA n'accède qu'à ce que l'utilisateur autorise pour la durée d'une requête.
Le MCP protège les données projet de construction en donnant aux outils d'IA un accès temporaire et soumis à autorisation au contexte du projet, plutôt que de stocker ou d'ingérer ces données de façon permanente. Contrairement aux systèmes d'IA propriétaires qui agrègent les données clients pour entraîner des modèles partagés, les intégrations basées sur le MCP signifient que les requêtes sont traitées à partir des données projet en direct et qu'aucune donnée n'est conservée, transférée ou utilisée à des fins d'entraînement une fois la session terminée. Les équipes projet gardent un contrôle total sur les données accessibles et celles qui ne le sont pas.
L'IA de construction propriétaire est développée et contrôlée par l'éditeur du logiciel, généralement entraînée sur des données agrégées provenant de plusieurs clients. Une approche « apportez votre propre IA », rendue possible par des standards comme le MCP, permet aux équipes de construction de connecter leurs propres outils d'IA approuvés à leurs propres données projet, sans que l'éditeur accède à ces données ni en tire profit. La différence concrète est que dans le modèle « apportez votre propre IA », l'intelligence générée à partir de l'historique de votre projet reste chez vous — elle ne contribue pas à un modèle qui sert vos concurrents.
Les DSI qui évaluent des logiciels de construction doivent demander si la plateforme offre un accès API ouvert aux données projet, si les données clients sont utilisées pour entraîner des modèles d'IA propriétaires, si les fonctionnalités d'IA requièrent un partage de données comme condition d'utilisation, et si l'éditeur prend en charge l'intégration avec des outils d'IA approuvés en externe. Les éditeurs qui ne peuvent pas répondre clairement à ces questions, ou qui présentent le partage de données comme une option par défaut plutôt qu'un choix, construisent probablement des systèmes qui réduisent progressivement le contrôle des clients.
L'ISO 19650 est la norme internationale pour la gestion de l'information du bâtiment tout au long du cycle de vie d'un projet. La prise en charge de la convention de nommage ISO 19650 par un logiciel garantit que les modèles, documents et données sont structurés et identifiables de façon cohérente entre les disciplines et les organisations. Pour les applications d'IA, une structure cohérente des nommages et des données est fondamentale — les outils d'IA qui interrogent des données projet ne peuvent fournir des résultats fiables que si les données sous-jacentes sont organisées selon une norme reconnue. Sans cela, les audits de modèles assistés par IA, le triage des annotations et les recoupements entre systèmes produisent des résultats peu fiables.
