Briser les barrières des données : Le protocole de contexte de modèle d’Anthropic peut-il améliorer les performances de l’IA ?

Le protocole de contexte de modèle innovant d’Anthropic (MCP) vise à résoudre les problèmes de données fragmentées et à améliorer l’efficacité des solutions alimentées par l’IA. Pourrait-il devenir la norme pour l’intégration de l’IA sensible au contexte ?

L’un des défis les plus pressants dans l’innovation de l’intelligence artificielle (IA) aujourd’hui est l’isolement des grands modèles de langage (LLM) par rapport aux données en temps réel. Pour résoudre ce problème, la société de recherche et de sécurité en IA basée à San Francisco, Anthropic, a récemment annoncé une architecture de développement unique pour réorganiser la façon dont les modèles d’IA interagissent avec les données.

Le nouveau protocole de contexte de modèle (MCP) de la société, lancé en tant que projet open source, est conçu pour améliorer l’efficacité de l’IA grâce à une « communication bidirectionnelle entre les applications alimentées par l’IA et les sources de données diverses et en temps réel ».

L’architecture est conçue pour résoudre une frustration croissante : les sorties d’IA obsolètes causées par un manque de connexion aux données en temps réel. Anthropic affirme que le protocole unifié peut améliorer le développement et la fonctionnalité de l’IA pour les entreprises, et les rendre plus humaines grâce à la prise de conscience du contexte en temps réel. Selon la société, chaque nouvelle source de données d’entreprise nécessite des implémentations d’IA personnalisées, ce qui crée des inefficacités. Le MCP cherche à résoudre ce problème en offrant un cadre standardisé que les développeurs peuvent adopter universellement.

« L’architecture est simple : les développeurs peuvent soit exposer leurs données via des serveurs MCP, soit construire des applications d’IA (clients MCP) qui se connectent à ces serveurs. Au lieu de maintenir des connecteurs séparés pour chaque source de données, les développeurs peuvent désormais construire contre un protocole standard », a expliqué Anthropic dans un article de blog. « À mesure que l’écosystème mûrit, les systèmes d’IA maintiendront le contexte lorsqu’ils passeront d’un outil à l’autre et d’un ensemble de données à l’autre, remplaçant les intégrations fragmentées d’aujourd’hui par une architecture plus durable ». Les modèles d’IA, y compris mais sans s’y limiter, l’assistant phare d’Anthropic Claude, peuvent s’intégrer à des outils tels que Google Drive, Slack et GitHub. Les experts suggèrent que le MCP a le potentiel de transformer les intégrations d’IA commerciales de la même manière que l’architecture orientée services (SOA) et d’autres protocoles ont révolutionné l’interopérabilité des applications.

« Avoir un protocole standardisé pour les pipelines de données entre les LLM et les sources de données est un jeu en soi. Semblable à REST et SQL dans l’industrie du logiciel, des protocoles standardisés tels que le MCP peuvent aider les équipes à construire des applications GenAI plus rapidement et avec une meilleure fiabilité », a déclaré Gideon Mendels, co-fondateur et PDG de la plateforme d’évaluation de modèle d’IA Comet, à mon intention. « Cela suit la réalisation du marché au cours des six derniers mois qu’un excellent modèle LLM ne suffit pas ».

Anthropic a également révélé que les premiers adoptants d’entreprise, notamment Block et Apollo, ont déjà intégré le MCP dans leurs systèmes. Pendant ce temps, les fournisseurs d’outils de développement tels que Zed, Replit, Codeium et Sourcegraph collaborent avec le MCP pour améliorer leurs plateformes. Ce partenariat vise à aider les modèles et les agents d’IA à récupérer des informations plus pertinentes via des données en temps réel, à saisir le contexte plus efficacement et à générer des sorties nuancées pour les tâches d’entreprise telles que la programmation, avec une plus grande efficacité.

« Les modèles d’IA qui sont plus humains et plus conscients d’eux-mêmes peuvent rendre la technologie plus relatable, ce qui pourrait conduire à une adoption plus large », a déclaré Masha Levin, entrepreneur en résidence chez One Way Ventures, à mon intention. « Il y a encore beaucoup de peur autour de l’IA, avec de nombreuses personnes la considérant comme une simple machine. Humaniser ces modèles pourrait aider à atténuer ces peurs et à faciliter une intégration plus fluide dans la vie quotidienne ».

Levin a également mis en garde contre un inconvénient potentiel. « Il y a un risque que les entreprises deviennent trop dépendantes de l’IA pour le soutien, ce qui pourrait les amener à laisser l’IA influencer leurs décisions de manière extrême, ce qui pourrait conduire à des conséquences nuisibles ».

Cependant, la véritable épreuve pour le MCP sera sa capacité à gagner une adoption généralisée et à devancer ses concurrents sur un marché encombré.

Anthropic MCP vs. OpenAI et Perplexity : La bataille pour les normes d’innovation de l’IA

Alors que l’approche open source d’Anthropic MCP marque une avancée notable pour l’innovation de l’IA, elle entre dans un paysage concurrentiel dominé par des géants de la technologie tels que OpenAI et Perplexity.

La fonctionnalité récente « Travailler avec les applications » d’OpenAI pour ChatGPT présente des capacités similaires, bien que avec un accent propriétaire sur les partenariats étroits plutôt que sur les normes ouvertes. Cette fonctionnalité permet à ChatGPT d’accéder et d’analyser des données et du contenu à partir d’autres applications, mais uniquement avec la permission de l’utilisateur, éliminant ainsi le besoin pour les développeurs de copier et coller manuellement. Au lieu de cela, ChatGPT peut examiner les données directement à partir d’une application, fournissant des suggestions plus intelligentes et sensibles au contexte en raison de son intégration avec les données Internet en temps réel.

De plus, la société a également introduit son architecture de données en temps réel en octobre, appelée « Realtime API », qui permet aux assistants vocaux de répondre plus efficacement en tirant des contextes frais de l’Internet. Par exemple, un assistant vocal pourrait passer une commande au nom d’un utilisateur ou récupérer des informations client pertinentes pour fournir des réponses personnalisées. « Désormais, avec l’API Realtime et bientôt avec l’audio dans l’API Chat Completions, les développeurs n’ont plus besoin de combiner plusieurs modèles pour alimenter ces expériences », a déclaré OpenAI dans un article de blog. « Sous le capot, l’API Realtime vous permet de créer une connexion WebSocket persistante pour échanger des messages avec GPT-4o ».

De même, le protocole de données en temps réel pour l’IA de Perplexity, connu sous le nom de « pplx-api », fournit aux développeurs l’accès à son grand modèle de langage (LLM). Cette API permet aux applications d’envoyer des requêtes en langage naturel et de recevoir des informations détaillées et en temps réel du Web. Grâce à un seul point de terminaison d’API, elle permet la récupération de données et les réponses sensibles au contexte pour les applications d’IA, permettant ainsi aux développeurs de construire des applications qui restent alignées sur les dernières informations.

« Généralement, l’industrie a tendance à se standardiser sur une solution open source, mais cela prend souvent des années. Il est très probable qu’OpenAI tentera d’introduire plus de protocoles », a déclaré Mendels. « Mais si le MCP gagne une adoption large en tant que première norme de son kind, nous pourrions voir des techniques et des meilleures pratiques commencer à se standardiser autour de lui ».

Le MCP d’Anthropic peut-il fixer la norme pour l’intégration de l’IA sensible au contexte ?

Malgré son potentiel, le MCP d’Anthropic fait face à des défis importants. La sécurité est une préoccupation majeure, car permettre aux systèmes d’IA d’accéder à des données d’entreprise sensibles augmente le risque de fuites si le système devient incontrôlable. De plus, convaincre les développeurs déjà ancrés dans des écosystèmes établis d’adopter le MCP pourrait s’avérer difficile.

Un autre problème est la taille considérable des données, selon JD Raimondi, responsable de la science des données chez l’entreprise de développement IT Making Sense. Il m’a déclaré : « Anthropic est le leader dans les expériences menant à de grands contextes, mais la précision des modèles souffre énormément. Il est probable qu’ils s’amélioreront avec le temps, et en termes de performances, il y a beaucoup d’astuces pour maintenir une vitesse acceptable ».

Alors qu’Anthropic affirme que le MCP améliore la capacité de l’IA à récupérer et à contextualiser les données, le manque de références concrètes pour étayer ces allégations pourrait entraver l’adoption. « Que vous soyez un développeur d’outils d’IA, une entreprise cherchant à exploiter des données existantes ou un précurseur explorant la frontière, nous vous invitons à construire l’avenir de l’IA sensible au contexte avec nous », a déclaré Anthropic.

Alors que les développeurs testent les capacités du MCP, l’industrie regardera pour voir si cette norme ouverte peut gagner la traction nécessaire pour devenir une référence pour l’intégration de l’IA sensible au contexte. Mendels suggère que la standardisation pourrait être une bonne stratégie pour Anthropic, permettant potentiellement une meilleure interopérabilité et autorisant les équipes à expérimenter différentes combinaisons d’outils pour déterminer le meilleur ajustement à leurs besoins. « Pour l’instant, il semble trop tôt pour dire que de nombreux processus dans l’écosystème de l’IA sont en train de se standardiser », a noté Mendels. « Avec l’innovation se produisant si rapidement, les meilleures pratiques d’aujourd’hui pourraient être obsolètes d’ici la semaine prochaine. Seul le temps dira si un protocole comme le MCP peut réussir à standardiser la récupération de données de contexte ».