Connecter une IA à Google Analytics. Ce que les serveurs MCP changent pour votre reporting
Vous avez un chiffre à sortir avant une réunion. Vous ouvrez GA4, vous cherchez le bon rapport, vous finissez dans l’explorateur, et vous ressortez vingt minutes plus tard avec trois lignes à recopier.
Depuis quelques mois, plusieurs outils de mesure proposent une autre voie : connecter une IA à Google Analytics, ou à son équivalent, et poser la question en français. La promesse n’est pas nouvelle. Ce qui a changé, c’est la plomberie qu’il y a derrière, et elle mérite qu’on regarde de près avant de brancher quoi que ce soit sur ses données d’audience.
Table des matières
Connecter une IA à Google Analytics : ce que fait vraiment un serveur MCP
MCP signifie Model Context Protocol. C’est un standard ouvert publié par Anthropic fin 2024, repris depuis par OpenAI et Google, qui définit comment un assistant IA se branche sur un outil extérieur.
Le point important pour nous n’est pas technique. Quand vous connectez un serveur MCP, l’assistant ne regarde pas votre tableau de bord. Il appelle un jeu de fonctions que l’éditeur a décidé d’exposer, et rien d’autre. Ces fonctions dessinent la frontière exacte de ce que vous pouvez demander. Sept fonctions chez Google. Une seule chez Piano Analytics. La différence se sent tout de suite dans les réponses que vous obtenez.
Le serveur officiel de Google existe, l’installation est une autre affaire
Google a publié son propre serveur, maintenu par l’équipe Analytics, sous licence Apache 2.0. Le dépôt dépasse les 2 800 étoiles, ce qui montre l’intérêt du sujet. Le titre du fichier de présentation porte la mention « Experimental », en toutes lettres, et je trouve la franchise plutôt saine.
Il expose sept fonctions : récupérer la liste de vos comptes et propriétés, les détails d’une propriété, les liens vers Google Ads, lancer un rapport standard, lancer un rapport de tunnel, lister vos dimensions et métriques personnalisées, lancer un rapport temps réel. L’accès demandé est en lecture seule. Aucune IA ne modifiera votre configuration par ce biais.
Maintenant, la partie que les articles enthousiastes racontent moins volontiers. Le serveur tourne en local, sur votre machine. Pour l’installer, il faut Python 3.10 ou plus, pipx, un projet Google Cloud, deux API à activer dans la console, et des identifiants à configurer en ligne de commande. Un testeur de chez Coupler.io raconte y avoir passé près d’une heure, en se faisant guider par Gemini, et signale au passage qu’il faut les droits d’administrateur sur la propriété GA4 pour autoriser le compte de service. Ajoutons que les clients documentés dans le dépôt sont Gemini CLI, Gemini Code Assist et Claude Code. Des outils de développeur.
Bref, si vous êtes chargé de communication dans une structure où le site est géré par un prestataire, ce n’est pas pour vous. Pas encore.
Ce que vous pouvez demander, et ce que ça ne fera pas
Les questions qui fonctionnent bien ressemblent à celles que vous poseriez à un collègue analyste : comparer deux périodes, identifier les sources qui ont amené les visiteurs ayant rempli un formulaire, repérer où les gens décrochent dans un tunnel, savoir quelles pages ont progressé ce mois-ci. C’est déjà pas mal du tout.
L’assistant va chercher les chiffres, puis répond en phrases, avec son raisonnement affiché. Vous pouvez le contredire, ce qui est déjà mieux qu’une capture d’écran de tableau.
Ce que ça ne fait pas, en revanche, mérite d’être dit clairement, parce que beaucoup de gens projettent bien au-delà. Un serveur MCP est une porte, pas un employé. Rien ne tourne quand la conversation est fermée. Aucune alerte ne se déclenche si vos conversions s’effondrent un mardi soir. Personne ne surveille rien. Vous ouvrez, vous demandez, vous refermez.
Matomo a traité le sujet plus sérieusement que Google
Matomo a lancé son serveur MCP en mai 2026. Il est inclus dans l’offre Cloud, et disponible sous forme de plugin à installer pour les instances auto-hébergées. La différence avec Google se voit dans les réglages plutôt que dans les fonctionnalités.
L’accès MCP est désactivé par défaut. Les outils qui exposent l’API brute de Matomo le sont aussi, séparément, et un administrateur doit les activer volontairement. L’authentification passe par OAuth2 quand le client le permet. Surtout, l’IA ne voit que les sites et les rapports auxquels le compte utilisateur a déjà accès, et un administrateur peut restreindre l’usage aux comptes situés en dessous d’un certain niveau de privilège. Des actions d’écriture existent, mais elles se choisissent.
Pour une organisation qui a déjà migré vers Matomo, c’est un argument de plus. Nous avions passé en revue les principales options dans notre tour d’horizon des alternatives à Google Analytics, et la capacité à cadrer finement les accès est en train de devenir un critère de choix à part entière.
Les autres outils de mesure, très inégaux
Piano Analytics documente son serveur en français, ce qui est assez rare pour être noté. Une seule fonction disponible, qui récupère les données à partir d’une question en langage naturel. L’accès est contrôlé par les administrateurs de votre organisation, et l’éditeur rappelle explicitement que les données analytiques contiennent des informations métier sensibles.
Du côté des outils légers, c’est plus flou. Plausible, Umami et Fathom n’ont, à ma connaissance, rien publié d’officiel à ce jour. Il existe des serveurs communautaires, souvent bien faits, parfois maintenus par une seule personne. Le problème n’est pas leur qualité. C’est que la plupart vous demandent de coller votre clé d’API en clair dans un fichier de configuration sur votre poste. Une clé d’API dans un fichier texte, ça ne se révoque pas d’un clic, ça ne se journalise pas, et ça traîne des mois après que vous avez oublié l’avoir créée. Ce n’est pas du tout la même chose qu’une connexion OAuth que vous coupez depuis votre compte.
Où partent vos chiffres au moment où vous posez la question
C’est le point que je n’ai vu traité nulle part en français, et c’est le plus important pour un service qui a réfléchi à ses données.
La documentation de Matomo le formule sans détour : le serveur MCP transmet les données dans un format structuré, et c’est l’outil d’IA externe qui réalise l’interprétation, le raisonnement et la production de la réponse. L’éditeur précise que cette distinction compte du point de vue de la sécurité comme de la réglementation. Traduction pour la vraie vie : vous avez peut-être choisi un outil sans cookie, hébergé en Europe, avec un plugin de conformité activé.
Au moment où vous interrogez ces chiffres via Claude ou ChatGPT, l’extrait de données part chez le fournisseur du modèle. Votre outil de mesure reste conforme. Votre flux de travail, c’est une autre discussion, et elle se tient avant, pas après.
Il y a aussi les risques propres au protocole, que la documentation d’Anthropic identifie elle-même : l’injection de consignes malveillantes via les descriptions d’outils, l’élargissement de la surface d’attaque, et les situations où un agent utilise les permissions accordées sur un service pour agir ailleurs. Des travaux académiques publiés en 2026 mesurent des taux de réussite d’attaque élevés sur des dispositifs expérimentaux. Ces chiffres viennent de bancs d’essai, pas d’incidents en entreprise, et je me garderai bien d’en tirer une prédiction. Ils suffisent quand même à justifier un peu de prudence.
Cinq réflexes avant de brancher quoi que ce soit
- Commencez en lecture seule. Les fonctions d’écriture, plus tard, si vous en avez vraiment l’usage.
- Un seul site, ou une seule propriété, pour les premières semaines.
- Vérifiez avant de connecter que l’accès est révocable en un clic et que les connexions sont journalisées.
- Préférez toujours OAuth à une clé d’API collée dans un fichier, quand les deux existent.
- Décidez qui, dans l’équipe, a le droit d’activer ça. Sinon la réponse par défaut sera « n’importe qui ».
Quel outil, quelle connexion
| Outil | Serveur officiel | Ce qu’il faut pour l’installer | Lecture / écriture | Point de vigilance |
|---|---|---|---|---|
| Google Analytics 4 | Oui, étiqueté expérimental | Python, pipx, projet Google Cloud, droits admin sur la propriété | Lecture seule | Installation hors de portée d’un profil non technique |
| Matomo | Oui, depuis mai 2026 | Inclus dans le Cloud, plugin à installer en auto-hébergé | Lecture, écriture optionnelle | Désactivé par défaut, ce qui est un choix volontaire |
| Piano Analytics | Oui | Clé d’accès API et clé secrète, autorisation par l’administrateur | Lecture | Une seule fonction exposée, donc des réponses moins fines |
| Plausible, Umami, Fathom | Non, projets communautaires | Configuration manuelle du client | Lecture | Clé d’API en clair, maintenance incertaine |
Côté prix, les serveurs eux-mêmes ne coûtent rien. C’est l’abonnement à l’assistant IA qui est payant, et bien sûr celui de votre outil de mesure s’il est commercial.
La promesse n’a pas changé, la plomberie oui
Ce qui me frappe en regardant tout ça, c’est le sentiment de déjà-vu. Nous avions présenté ici un plugin pour interroger Google Analytics avec ChatGPT dès 2023, puis Findly quelques mois plus tard. Même promesse, exactement : arrêter de fouiller l’interface, poser la question. Ces outils étaient des passerelles fragiles, dépendantes d’une API qui pouvait changer du jour au lendemain. Trois ans après, la promesse est identique et la tuyauterie est devenue un standard que Google et Matomo maintiennent eux-mêmes.
Reste une question que je n’arrive pas à trancher. Quand on ne construit plus le rapport soi-même, on perd le petit détour par les données brutes qui permettait, de temps en temps, de repérer qu’un chiffre était faux. Une balise dupliquée, un filtre oublié, un pic de trafic qui n’était qu’un robot. L’assistant, lui, répondra avec le même aplomb dans les deux cas. Peut-être que le vrai travail de veille, désormais, consiste moins à aller chercher le chiffre qu’à savoir quand ne pas le croire.
FAQ
Est-ce que ça coûte quelque chose ?
Les serveurs MCP des éditeurs sont gratuits, y compris celui de Google, publié en open source. Vous payez l’abonnement à l’assistant IA que vous connectez, et le cas échéant votre outil de mesure. Aucun surcoût côté analytics.
Faut-il être développeur pour installer ça ?
Pour Google Analytics, oui, ou au moins être à l’aise avec la ligne de commande et la console Google Cloud. Pour Matomo Cloud, non : c’est une activation dans l’interface. La différence entre les deux est considérable et personne ne le dit assez.
L’IA peut-elle modifier ou supprimer mes données ?
Avec le serveur officiel de Google, non, l’accès est en lecture seule. Avec Matomo, des actions d’écriture existent mais elles doivent être activées volontairement par un administrateur. Vérifiez ce point avant toute connexion, la réponse varie d’un outil à l’autre.
Est-ce compatible avec le RGPD ?
Votre outil de mesure reste ce qu’il est. La question se déplace ailleurs : les extraits de données que l’assistant récupère sont traités par le fournisseur du modèle. À intégrer dans votre registre et à valider avec la personne qui suit la protection des données chez vous, surtout si vous aviez quitté GA4 pour ces raisons.
Ça marche avec ChatGPT ou seulement avec Claude ?
Le protocole est ouvert, donc en théorie avec n’importe quel client compatible. En pratique, chaque éditeur documente les siens. Google cite Gemini CLI, Gemini Code Assist et Claude Code. Matomo documente Codex, ChatGPT, Claude, Mistral et Copilot Studio. Regardez la documentation de votre outil de mesure avant de choisir votre assistant, pas l’inverse.