Dans la plupart des entreprises, une ou deux personnes savent répondre aux questions à partir de la base de données. Tous les autres attendent. Un directeur commercial veut le chiffre d'affaires du dernier trimestre par région. Une responsable des opérations veut les commandes en retard par entrepôt. Chaque demande rejoint une file d'attente, et des questions simples prennent des jours.
Le coût, ce sont des décisions plus lentes et une habitude discrète de deviner. Les gens cessent de demander parce que la réponse arrive trop tard pour servir. Pendant ce temps, l'analyste passe sa semaine sur de petites requêtes au lieu du travail de fond pour lequel il a été recruté.
Ce que cela permet
MCP (Model Context Protocol) est un standard ouvert lancé par Anthropic. Il permet aux assistants IA comme Claude, et aux autres clients qui le prennent en charge, de se connecter à des outils et à des données via de petits programmes appelés serveurs MCP. La prise en charge varie selon le client IA : consultez la documentation à jour de chaque client avant de planifier un déploiement.
Un serveur MCP pour base de données permet à un manager de poser une question en langage courant. La réponse provient de Postgres, MySQL, SQL Server ou d'une base similaire. L'assistant choisit un outil, le serveur exécute une requête sûre, et le résultat revient avec la requête affichée pour vérification. Questions typiques :
- « Quel a été le chiffre d'affaires par région au dernier trimestre, comparé au trimestre précédent ? »
- « Quels produits ont eu plus de retours que d'habitude ce mois-ci ? »
- « Combien de commandes sont parties en retard de chaque entrepôt la semaine dernière ? »
Le mot clé est « sûr ». La conception ci-dessous maintient l'assistant en lecture seule, à l'écart des données personnelles et incapable de ralentir la production.
Outils prédéfinis ou SQL libre
Il existe deux façons de donner à un assistant l'accès à vos données. Chacune convient à un public différent.
Outils prédéfinis
Chaque outil exécute une requête fixe et validée, avec quelques paramètres comme une période et une région. Les réponses sont rapides et cohérentes. Le modèle ne peut pas écrire une mauvaise jointure, puisqu'il n'écrit jamais de SQL. Cela convient aux managers et à la plupart du personnel.
SQL libre encadré
Le modèle écrit une requête, et le serveur la vérifie avant de l'exécuter. Elle doit être un unique SELECT portant sur des vues approuvées, avec une limite de lignes ajoutée. Cela permet de traiter les questions imprévues, mais les réponses demandent davantage de vérification. Cela convient aux analystes capables de lire la requête et de repérer les erreurs.
La plupart des équipes commencent par des outils prédéfinis pour les questions les plus fréquentes. Elles ajoutent le SQL encadré plus tard, pour un petit groupe, si le besoin se confirme.
Comment ça marche, étape par étape
- Utiliser une réplique en lecture. Les requêtes s'exécutent sur une copie de la base, pas sur la base principale. Une requête lourde ne peut pas affecter les clients.
- Créer des vues dédiées. Nous construisons des vues aux noms explicites, comme
sales_by_region_monthly, au lieu d'exposer les tables brutes. Les vues masquent les jointures et les colonnes internes. - Exclure les données personnelles. Par défaut, les vues excluent les noms, e-mails, numéros de téléphone et champs similaires. Les agrégats répondent de toute façon à la plupart des questions métier.
- Créer un utilisateur en lecture seule. Le serveur se connecte avec un utilisateur de base de données qui ne peut que lire les vues dédiées.
- Proposer deux types d'outils. Les outils prédéfinis répondent aux questions courantes avec des requêtes fixes. Un outil de SQL encadré, si vous le souhaitez, n'accepte que des instructions SELECT uniques portant sur des vues approuvées.
- Appliquer des limites. Chaque requête a une limite de lignes et un délai d'expiration. Les résultats sont résumés avant d'être renvoyés à l'assistant.
- Journaliser chaque requête. Nous enregistrons l'utilisateur, la question, le SQL exécuté, la durée et le nombre de lignes.
- Tester avec des réponses connues. Avant le déploiement, nous vérifions l'assistant sur des questions dont la bonne réponse est déjà connue.
Les outils que nous utilisons
- SDK MCP pour Python ou TypeScript.
- Python avec FastAPI et les pilotes de base de données standard pour Postgres, MySQL et SQL Server.
- Un analyseur SQL pour vérifier que les requêtes encadrées sont des instructions uniques, en lecture seule, sur des vues autorisées.
- Votre base de données existante et ses fonctionnalités natives de réplique en lecture ou de réplication.
- Une journalisation structurée vers votre plateforme de journaux existante, pour que les requêtes soient consultables et auditables.
Les fonctionnalités des bases de données et des clients IA évoluent. Consultez la documentation à jour de l'éditeur de votre base et de votre client pour la prise en charge des répliques, des droits et de MCP.
Ce qu'il vous faut pour démarrer
- Un administrateur de base de données capable de créer une réplique en lecture, des vues et un utilisateur restreint.
- Une vingtaine de vraies questions posées aujourd'hui, avec des réponses connues pour les tests.
- Un court dictionnaire de données, même informel, expliquant la signification des tables et colonnes clés.
- Une décision sur les données sensibles qui doivent rester hors de toutes les vues.
- Un client IA choisi qui prend en charge MCP pour vos utilisateurs.
Périmètre et délais types
À titre indicatif, une première version en lecture seule prend généralement d'une à trois semaines. Cela couvre quelques vues dédiées et des outils prédéfinis. Cela dépend de la propreté de votre schéma et de l'existence d'une réplique en lecture. Les schémas désordonnés prennent plus de temps, car ce sont les vues qui font le nettoyage. Un outil de SQL libre encadré, si nécessaire, vient généralement ensuite, une fois les vues dédiées éprouvées.
Les risques et notre façon de les gérer
Réponses fausses mais assurées
Un assistant peut mal interpréter une colonne et donner un chiffre plausible mais faux. Des vues dédiées aux noms clairs réduisent ce risque. L'assistant affiche la requête exécutée, et nous testons sur des réponses connues avant le lancement.
Exposition de données personnelles ou sensibles
L'utilisateur de base de données restreint ne peut lire que les vues approuvées. Les champs personnels sont exclus au niveau des vues : aucun prompt ne peut les atteindre.
Requêtes lentes ou coûteuses
La réplique, les limites de lignes et les délais d'expiration protègent la production. Nous surveillons le journal des requêtes pour repérer les schémas qui nécessitent une nouvelle vue ou un index.
Injection de prompt et injection SQL
Du texte stocké dans la base peut contenir des instructions destinées à l'assistant. Le serveur n'exécute que des instructions validées en lecture seule, et les résultats des outils sont traités comme des données. Consultez notre checklist de sécurité des serveurs MCP pour la liste complète.
Quand ne pas le construire
Si votre outil de BI propose déjà une fonction en langage naturel qui couvre vos questions et vos droits d'accès, utilisez-la. Si les cinq mêmes chiffres sont nécessaires chaque lundi, un rapport programmé est moins cher et plus prévisible. Notre guide sur les rapports de KPI automatisés dans Slack et Telegram présente cette option. Et si vos données nécessitent un gros nettoyage avant que quiconque puisse s'y fier, commencez par là. Un assistant rend les mauvaises données plus faciles d'accès, pas plus justes.
Si vos questions portent sur des documents plutôt que sur des tables, un système de recherche documentaire convient mieux. Consultez notre article sur un assistant de connaissances interne pour Slack et Teams. Si vous avez aussi besoin de réponses provenant d'API et de systèmes métier plus anciens, lisez notre article sur MCP pour les API internes et les ERP.
Comment UnlockLive peut vous aider
UnlockLive IT est une agence logicielle dont le siège est à Toronto, avec sa propre équipe d'ingénieurs. Nous réalisons ces intégrations pour des entreprises aux États-Unis, au Canada, au Royaume-Uni et en Australie. Notre service de développement de serveurs MCP couvre le cadrage, le modèle de menaces, le développement, le déploiement et la maintenance continue. L'accès aux bases de données étant sensible, notre équipe cybersécurité peut examiner les droits, la journalisation et le modèle de menaces avant le déploiement.
Si vous souhaitez un second avis sur le périmètre ou les risques, réservez un appel gratuit de 30 minutes. Apportez une ou deux questions que votre équipe pose chaque semaine, et nous vous dirons honnêtement si un serveur MCP est le bon outil.
Questions fréquentes
Claude peut-il interroger une base de données Postgres ou SQL Server ?
Oui, via un serveur MCP qui connecte l'assistant à la base de données. La prise en charge dépend du client IA : consultez sa documentation à jour. Pour un usage professionnel, le serveur doit utiliser un compte en lecture seule sur une réplique et exposer des vues dédiées plutôt que des tables brutes.
Est-il sûr de laisser une IA écrire du SQL sur notre base de données ?
Uniquement avec des limites strictes. Utilisez un utilisateur de base de données en lecture seule, une réplique en lecture, des vues dédiées, des limites de lignes, des délais d'expiration et une journalisation. Beaucoup d'équipes préfèrent des outils de requêtes prédéfinies pour les questions courantes et réservent le SQL libre aux analystes de confiance.
Comment tenir les données personnelles à l'écart des réponses de l'IA ?
Exposez des vues qui omettent ou masquent les champs personnels comme les noms, e-mails et numéros de téléphone. N'accordez à l'utilisateur de base de données du serveur MCP l'accès qu'à ces vues. Les données personnelles n'atteignent alors jamais l'assistant, quelle que soit la question posée.
Faut-il un entrepôt de données avant de se lancer ?
Pas nécessairement. Une réplique en lecture avec quelques vues bien conçues suffit souvent pour commencer. Un entrepôt de données est utile lorsque vous devez combiner de nombreuses sources ou mener des analyses historiques lourdes.
Quelle est la précision des réponses en langage courant sur une base de données ?
La précision dépend surtout de la clarté du modèle de données. Des vues dédiées avec des noms de colonnes explicites et de courtes descriptions aident beaucoup. Nous testons avec un ensemble de questions et de réponses connues avant le déploiement, et l'assistant affiche la requête exécutée pour que les résultats puissent être vérifiés.
Comment connecter un serveur MCP à une base de données ?
Donnez au serveur MCP son propre utilisateur en lecture seule, pointé vers un réplica en lecture plutôt que vers la base de production, avec un accès limité à des vues préparées. Ses outils exécutent soit des requêtes prédéfinies, soit du SQL vérifié avec limites de lignes et délais d'expiration. Le serveur est ensuite déclaré dans le client IA, et chaque requête est journalisée pour que vous puissiez revoir ce qui a été demandé.
Comment nous pouvons vous aider
- Services de développement de serveurs MCPServeurs Model Context Protocol (MCP) sur mesure qui exposent vos API, bases de données et outils internes à Claude, Cursor, ChatGPT et à toute IA compatible MCP.
- Développement Python et FastAPIBackends Python haute performance et microservices FastAPI pour le SaaS, les API d'inférence IA, les pipelines ETL et les systèmes pilotés par événements.
- Services de cybersécurité et de sécurité de l'IATests d'intrusion, surveillance SOC, préparation SOC 2 / ISO 27001 / PCI DSS / HIPAA, et travaux dans les domaines émergents du red teaming de LLM et de la sécurité des agents IA.
Parlez de votre projet à un ingénieur
Dites-nous ce que vous construisez. Nous répondons sous un jour ouvrable avec un avis franc sur le périmètre, l’approche et l’effort.
Réservez un appel stratégique gratuitRédigé par l'équipe d'ingénierie d'UnlockLive IT. UnlockLive IT Limited travaille avec ses clients depuis son siège de Toronto et livre l'ingénierie depuis son centre de livraison de Dhaka. À propos de nous