← Blog
2026-06-12 · 7 min de lecture

MCP et lead gen : laissez votre agent IA prospecter à votre place

Schéma en plan technique d’un marché resserré par les étapes compter, chercher et enrichir, franchissant un contrôle de quota, jusqu’à un seul email rédigé

Le Model Context Protocol (MCP) a changé sans bruit ce que veut dire « outil de lead gen ». Au lieu d’exporter des CSV pour les réimporter ailleurs, vous donnez un jeu d’outils à votre agent IA et vous décrivez le résultat attendu. C’est lui qui interroge, filtre, enrichit et rédige.

Ce qu’un agent sait faire avec des outils de base de données

Avec six outils — search_stores, count_stores, get_store, get_store_catalog, get_store_trend et get_quota —, un agent mène une session de prospection complète : mesurer un marché, construire une liste filtrée, sortir pour chaque boutique son produit phare et sa réputation Google, puis écrire un message qui s’appuie sur tout ça.

Schéma en plan technique d’un agent MCP alimenté par sept outils en éventail et pilotant une chaîne en quatre temps : mesurer le marché, construire la liste, enrichir et rédiger
Les sept outils sont indépendants les uns des autres : l’ordre d’exécution à droite, c’est l’agent qui le choisit. D’où le fait qu’un prompt vague produise une session vague.

Le prompt qui compte n’est pas malin. Il est précis : « Trouve les boutiques Shopify françaises qui vendent du soin de la peau, avec plus de 50 produits et une note Google inférieure à 4,3, puis rédige pour chacune un email qui cite son produit le plus vendu et son plus mauvais avis récent. » Entrées précises, sorties vérifiables.

Installation en deux minutes

Dans Claude Code : une commande — claude mcp add eldb --transport http <url-du-serveur>, avec votre clé API en header. Dans Cursor ou Claude Desktop : cinq lignes de config JSON. Dans n8n : un nœud MCP Client pointé sur la même URL. Les outils sont découverts tout seuls, et chaque appel est décompté du quota de votre plan — l’agent peut même aller vérifier lui-même ce qu’il lui reste.

Les garde-fous qui gardent la chose utile

Trois règles venues de clients qui font tourner ça tous les jours. Un : obligez l’agent à compter avant de chercher — count_stores ne coûte presque rien et évite de cramer du quota de recherche sur un mauvais filtre. Deux : forcez-le à citer le champ de données derrière chaque ligne personnalisée, pour qu’aucune flatterie hallucinée ne passe. Trois : gardez un humain entre le brouillon et l’envoi. L’agent construit la liste et écrit le copy ; vous, vous appuyez sur le bouton.

Schéma en plan technique d’un pipeline de prospection : une boucle de comptage préalable, une étape de rédaction adossée à trois champs de données, et une barre de validation humaine dressée avant la flèche d’envoi
Tout ce qui se trouve à gauche de la barre de validation tourne sans surveillance. L’écart qui la suit est un choix de conception assumé, pas une intégration qui manque.

Prospecter, c’était un métier. C’est devenu un prompt. Ceux qui gagnent en ce moment sont ceux qui l’ont compris un mois avant leurs concurrents.

Mettez ce playbook en pratique

153 000+ boutiques e-commerce françaises vérifiées, interrogeables par votre agent IA. À partir de 49 €/mois.

Obtenir ma clé API