Pendant des décennies, l'interaction avec les logiciels a exigé des utilisateurs qu'ils s'adaptent à des langages système spécifiques, mais l'essor des grands modèles de langage (LLM) remet en question ce paradigme. Selon Dhyey Mavani dans un article CleoJ du 3 janvier 2026, réalisé avec Midjourney, la question centrale se déplace de "Quel API dois-je appeler ?" à "Quel résultat est-ce que j'essaie d'obtenir ?".

Ce changement représente une modification fondamentale de la façon dont les humains interagissent avec les logiciels. Historiquement, les utilisateurs ont été tenus d'apprendre des commandes shell, de mémoriser des méthodes HTTP et d'intégrer des SDK, chacun exigeant une maîtrise d'un langage technique spécifique. Dans les années 1980, les utilisateurs saisissaient des commandes telles que 'grep', 'ssh' et 'ls' dans un shell. Au milieu des années 2000, ils invoquaient des points de terminaison REST tels que 'GET users'. Les années 2010 ont vu l'essor des SDK, comme 'client.orders.list()', qui abstrayaient une partie de la complexité HTTP sous-jacente. Cependant, toutes ces méthodes partageaient un point commun : les capacités logicielles étaient exposées sous une forme structurée qui exigeait des utilisateurs qu'ils les comprennent et les invoquent directement.

Les LLM modernes perturbent ce modèle en permettant aux utilisateurs d'interagir avec les logiciels par le biais du langage naturel. Au lieu d'avoir besoin de connaître la fonction précise ou la signature de la méthode, les utilisateurs peuvent simplement exprimer leur intention. C'est là que le protocole de contexte de modèle (MCP) entre en jeu. Le MCP agit comme une couche d'abstraction, permettant aux modèles d'interpréter l'intention humaine, de découvrir les capacités pertinentes et d'exécuter des flux de travail. Essentiellement, le MCP expose les fonctions logicielles non pas telles que les programmeurs les connaissent, mais sous forme de requêtes en langage naturel.

Les implications de ce changement sont importantes. Il démocratise l'accès aux logiciels en supprimant le besoin de connaissances techniques spécialisées. Quiconque peut exprimer le résultat souhaité en langage naturel peut potentiellement exploiter la puissance de systèmes logiciels complexes. Cela pourrait conduire à une augmentation de l'innovation et de la productivité dans divers secteurs.

Bien que le MCP soit encore un concept émergent, de multiples études indépendantes seraient en cours pour explorer son potentiel et affiner sa mise en œuvre. Le développement de MCP robustes et fiables sera crucial pour réaliser pleinement le potentiel des LLM dans la transformation de l'interaction homme-machine. L'avenir de l'interaction avec les logiciels pourrait bien être défini par la capacité des modèles à comprendre et à agir en fonction de l'intention humaine, plutôt que d'exiger des humains qu'ils s'adaptent aux contraintes rigides des API traditionnelles.