Claude Skills vs MCP : deux technologies complémentaires, pas concurrentes
Depuis l’annonce des Claude Skills, un mythe circule dans la communauté des développeurs : « MCP is dead ». On le voit dans les forums, sur GitHub, dans des articles de blog parfois mal informés. C’est une lecture qui rate complètement le sujet.
MCP (Model Context Protocol) n’a pas été remplacé. Il reste actif, disponible et utilisé massivement en production. Ce que le débat Claude Skills vs MCP révèle en réalité, c’est que les deux technologies s’attaquent à des problèmes différents. L’une n’efface pas l’autre.
Une analogie pour clarifier
Pensez à un agent Claude comme à un chirurgien. Les Claude Skills, c’est sa formation médicale, son expertise spécifique encodée, la connaissance qu’il mobilise automatiquement dès que la conversation touche son domaine. MCP, ce sont ses instruments : les outils qu’il utilise pour agir sur le monde réel, lire des fichiers, appeler une API, interroger une base de données.
Un chirurgien sans instruments ne peut rien faire. Des instruments sans chirurgien formé, c’est dangereux. Les deux sont nécessaires.
Pourquoi la confusion existe
La confusion vient du fait que les deux technologies touchent à la personnalisation de l’IA. Mais leur niveau d’action est totalement différent. MCP opère au niveau des appels d’outils et de l’accès aux sources de données. Skills opère au niveau de la compréhension et de l’expertise. Ce sont deux couches distinctes de l’architecture d’un agent Claude.
Qu’est-ce qu’une Skill Claude ?
Une Skill Claude, c’est un dossier structuré que vous chargez dans Claude. Ce dossier contient un fichier SKILL.md principal (qui décrit l’expertise et les directives comportementales), des ressources associées, et éventuellement des scripts ou documents de référence. Concrètement, c’est une façon d’encoder de la connaissance métier directement dans le contexte de Claude.
Anthropic a introduit ce concept en octobre 2025, quelques mois après l’explosion de l’usage de Claude Code et des agents autonomes. L’idée : rendre les outils portables suffisamment stables pour être partagés entre équipes, réutilisés sur des projets différents, et chargés automatiquement par des agents.
Comment une Skill se charge et s’active
Quand Claude reçoit une requête, il analyse si la Skill est pertinente pour ce contexte. Si la conversation touche le domaine défini dans le SKILL.md, le modèle active automatiquement les instructions et ressources associées. Pas besoin d’un prompt manuel à chaque fois.
Un exemple concret : une Skill « support client e-commerce » va contenir les politiques de remboursement de l’entreprise, les scripts de réponse standards, le ton de la marque, et les règles de gestion des cas sensibles. Dès qu’un agent Claude traitera un ticket client, cette Skill se charge et guide le comportement du modèle.
La portabilité, argument central des agent Skills
Ce qui change vraiment avec les agent Skills, c’est la portabilité. Avant, chaque équipe réécrivait ses prompts de zéro, ou copiait des instructions entre projets via des méthodes artisanales. Maintenant, une Skill « analyse données » peut être partagée via GitHub, versionnée, et chargée dans n’importe quel projet Claude qui en a besoin.
C’est ça, les outils portables Claude : des blocs d’expertise réutilisables, pas des prompts à usage unique. Un développeur Python peut créer une Skill de code review et la partager avec toute son équipe.
MCP : l’intégration qui connecte Claude au monde extérieur
Le Model Context Protocol est un standard ouvert développé par Anthropic qui permet aux modèles comme Claude de communiquer avec des services et des sources de données externes via des serveurs MCP. C’est la couche intégration : MCP ne modifie pas ce que Claude sait, il lui donne la capacité d’agir et de lire des informations externes.
Techniquement, MCP fonctionne via des appels HTTP standardisés entre Claude (le client) et des serveurs distants. Ces serveurs MCP peuvent tourner localement ou dans le cloud. Ils ne stockent pas de connaissance : ils fournissent des outils et des données à la demande.
Cas d’usage réels avec MCP
La force de MCP, c’est l’accès aux sources. Voici ce que MCP permet dans des configurations réelles :
- Connexion à une base de données PostgreSQL pour que Claude puisse lire et analyser des données clients
- Accès à une API privée pour déclencher des actions dans un CRM ou un ERP
- Lecture du filesystem local ou d’un cloud storage pour traiter des fichiers à la volée
- Intégration Slack pour que Claude envoie et reçoive des messages dans des canaux spécifiques
- Accès à des services SaaS comme Notion, Microsoft 365 ou des outils de gestion de projet
Le point technique important : quand Claude reçoit une requête qui nécessite des données externes, il appelle le serveur MCP approprié, récupère les informations, et les intègre dans sa réponse. Les tokens utilisés pour ces appels sont comptabilisés dans le budget de la conversation.
Architecture et sécurité des serveurs MCP
Un serveur MCP bien implémenté gère les permissions, les niveaux d’accès, et les politiques de sécurité. La sécurité est d’ailleurs le prochain grand chantier de l’écosystème MCP. Les grands modèles de langage qui font des appels via MCP doivent avoir accès uniquement aux données dont ils ont besoin, pas à l’ensemble du système.
Pour comprendre comment les LLM s’articulent avec ces protocoles d’intégration, il est utile de maîtriser d’abord leur fonctionnement de base. Claude ne fait pas d’appels arbitraires via MCP : il envoie des requêtes structurées, et le serveur MCP décide quoi exécuter et quoi retourner.
Tableau comparatif : où chaque technologie excelle
| Critère | Claude Skills | MCP |
|---|---|---|
| Niveau d’action | Couche prompt et connaissance (instructions, expertise, directives) | Couche intégration (appels d’outils, accès données, actions externes) |
| Portabilité | Très haute : un dossier partageable via GitHub, utilisable sur plusieurs agents | Dépend du serveur : certains sont open et réutilisables, d’autres spécifiques |
| Cas d’usage principal | Encoder une expertise métier, standardiser un comportement | Accès BDD, API, filesystem, services cloud |
| Maintenance | Versionnée dans des fichiers Markdown, facile à mettre à jour | Nécessite de maintenir des serveurs MCP, du code et des configurations |
| Performance token | Ajout prévisible et contrôlé au contexte | Chaque appel consomme des tokens pour la description des outils et les résultats |
Quand utiliser une Skill, quand utiliser MCP
Scénarios avec Skills uniquement
Pour une automatisation Excel avancée, une Skill qui encode les formules standards de votre entreprise, les formats de rapport attendus, et les directives de présentation des données est la bonne approche. Claude peut lire les fichiers, mais c’est la Skill qui sait comment les traiter selon vos standards internes.
Pour du support technique de premier niveau, une Skill contenant la documentation produit, les procédures de dépannage et les descriptions des erreurs connues permet à Claude d’être immédiatement opérationnel. Pas besoin de MCP si les réponses sont basées sur des documents statiques.
Scénarios avec MCP uniquement
Pour lire des données client en temps réel depuis une base de données, MCP est indispensable. Une Skill ne peut pas faire des appels dynamiques : elle fournit uniquement des instructions et de la connaissance. Utilisez MCP quand les données changent constamment et que Claude doit accéder aux informations à jour.
Pour une intégration Slack active, MCP permet à Claude d’envoyer des messages, de lire des fils de discussion, et de réagir à des événements en temps réel. Ce cas d’usage est purement au niveau intégration : aucune expertise métier spécifique n’est requise, juste la capacité de communiquer avec le service.
Le cas où Skills et MCP travaillent ensemble
C’est là que ça devient vraiment puissant. Imaginez un agent de support enterprise : une Skill encode l’expertise métier (politiques, ton, procédures), MCP connecte les données du CRM client et permet de créer des tickets dans le système. La Skill sait comment traiter le cas, MCP fournit les données spécifiques au client et déclenche les actions. Les deux sont nécessaires. La question « Claude Skills vs MCP » est en réalité mal posée : on devrait parler de « Claude Skills avec MCP ».
Les erreurs courantes quand on choisit entre Skills et MCP
Confondre couche prompt et couche intégration
C’est l’erreur la plus fréquente. Un développeur essaie de remplacer un serveur MCP par une Skill qui contient des instructions pour « simuler » des appels API. Résultat : Claude hallucine des données qu’il ne peut pas réellement obtenir. La règle est simple : si vous avez besoin d’informations externes qui changent dans le temps, utilisez MCP. Une Skill ne peut pas aller chercher des données live.
Comprendre la différence entre un prompt statique et une intégration dynamique est essentiel pour éviter ce type d’erreur de conception.
Croire que MCP remplace une Skill
L’autre erreur symétrique : penser que charger des outils via MCP suffit pour que Claude soit « expert » dans un domaine. MCP fournit des outils et des données, pas de la connaissance comportementale. Sans une Skill (ou un system prompt bien structuré), Claude peut avoir accès à toutes les données d’une entreprise sans savoir comment les interpréter selon les standards internes.
Ignorer la portabilité des Skills
Beaucoup d’équipes ignorent que les Skills sont conçues pour être partagées. Elles recréent la même expertise dans des prompts différents pour chaque projet. C’est une perte de temps significative. Un seul SKILL.md bien écrit, versionné sur GitHub, peut servir plusieurs agents et plusieurs applications. La progressive disclosure est une fonctionnalité intéressante : vous pouvez inclure des instructions détaillées pour les cas rares, que Claude ne chargera que si nécessaire.
Questions fréquentes sur Claude Skills vs MCP
Les Claude Skills sont-elles compatibles avec Claude Code ?
Oui, Claude Code supporte le chargement de Claude Skills via son CLI. Vous pouvez charger une Skill dans une session Claude Code et le modèle utilisera automatiquement les instructions et ressources de la Skill pendant toute la conversation. C’est particulièrement utile pour des tâches de code review ou d’ingénierie qui nécessitent une expertise spécifique à votre codebase. Pour aller plus loin, notre guide sur les meilleures IA pour coder compare les options disponibles selon les usages.
Est-ce que MCP fonctionne avec d’autres LLM que Claude ?
MCP est un protocole ouvert, et d’autres modèles commencent à le supporter. Le standard a été conçu pour être adopté largement, pas uniquement par Claude. C’est sa force : les serveurs MCP déjà construits peuvent théoriquement servir plusieurs LLM à l’avenir.
Combien de tokens consomme le chargement d’une Skill ?
Cela dépend de la taille du SKILL.md et des ressources associées. Une Skill compacte tourne autour de 500 à 2 000 tokens de contexte additionnel. Des Skills très détaillées avec beaucoup de documentation peuvent atteindre 5 000 à 10 000 tokens. La progressive disclosure permet d’optimiser ce point en gardant les instructions de base courtes et en chargeant les détails uniquement quand la requête le justifie.
Faut-il des compétences techniques pour créer une Skill ?
Pas nécessairement. Un SKILL.md est un fichier Markdown structuré avec des sections standardisées : description, instructions, métadonnées, et ressources. Un expert métier peut rédiger la majorité du contenu sans coder. C’est l’avantage de ce format par rapport aux serveurs MCP, qui eux nécessitent du code et une infrastructure serveur pour fonctionner.
