MCP data.gouv.fr : open data depuis Claude Code

📚 Introduction

Le Model Context Protocol (MCP) est progressivement en train de devenir le standard d’interopérabilité entre les agents IA et le reste de l’écosystème logiciel. L’idée est simple : un serveur MCP expose des outils, des ressources et des prompts qu’un client (Claude Code, un IDE, un workflow d’agent) peut consommer sans avoir besoin de hardcoder l’intégration.

Le MCP data.gouv.fr est l’un des plus utiles pour quiconque travaille sur des projets adossés à de la donnée publique française. Il expose les opérations de la plateforme nationale d’open data sous la forme d’outils MCP directement appelables par un agent.

🧱 Ce que le MCP expose

Le serveur couvre les principales entités de data.gouv.fr :

Recherche et exploration de datasets (search_datasets, get_dataset_info, list_dataset_resources).
Lecture directe des données : query_resource_data pour interroger une ressource CSV ou Parquet.
Recherche d’organisations publiques (search_organizations).
Exploration des dataservices et de leurs spécifications OpenAPI (search_dataservices, get_dataservice_openapi_spec).
Métriques d’usage de la plateforme (get_metrics).

L’intérêt n’est pas que pratique : c’est un raccourci massif quand on prototype. Plutôt que d’écrire un client HTTP, parser de la pagination, gérer les erreurs et formater le résultat, on demande directement à l’agent ce qu’on veut savoir.

🚀 Configurer le MCP dans un projet

Dans un projet Claude Code, on déclare le MCP dans un fichier .mcp.json à la racine :

{
	"mcpServers": {
		"datagouv": {
			"type": "http",
			"url": "https://mcp.data.gouv.fr/mcp"
		}
	}
}

Au redémarrage de Claude Code, le MCP est détecté et l’utilisateur est invité à l’autoriser. Une fois validé, les outils mcp__datagouv__* deviennent disponibles dans la conversation.

🧪 Cas d’usage concrets

Voici trois cas où le MCP m’a fait gagner un temps significatif récemment.

1. Identifier rapidement les datasets pertinents pour un projet. Un client me demande s’il existe des données ouvertes sur les déchets ménagers d’une commune. Plutôt que d’aller chercher manuellement sur data.gouv.fr, je demande à Claude Code de chercher via le MCP, de classer les résultats par fraîcheur et par licence, et de me proposer les ressources les plus exploitables.

2. Comparer des données entre plusieurs collectivités. Le MCP permet d’enchaîner plusieurs appels (un dataset, ses ressources, puis une query SQL sur la ressource via query_resource_data). En quelques tours de conversation, on construit un comparatif documenté, prêt à être intégré dans un rapport.

3. Découvrir les dataservices et leurs OpenAPI. Beaucoup d’agences publiques exposent désormais des dataservices documentés en OpenAPI. Le MCP les rend triviaux à explorer : on demande la spec, l’agent la lit, et l’on peut générer dans la foulée un client typé pour son application.

💡 Quelques bonnes pratiques

Cadrer la question : un MCP n’est utile que si l’on sait ce que l’on cherche. Un “trouve-moi de la donnée intéressante” donnera des résultats ternes ; un “trouve les datasets publiés depuis 6 mois sur la mobilité urbaine en Île-de-France” est exploitable.
Vérifier la licence avant exploitation. Le MCP retourne les métadonnées de licence, profitez-en.
Mettre en cache les résultats quand on travaille sur un projet long : la donnée d’open data bouge, mais les structures de dataset restent stables. Un cache local évite de spammer l’API.

🔌 Combiner avec d’autres MCP

L’intérêt du protocole devient évident quand on chaîne plusieurs MCP. Sur un projet récent, j’ai combiné :

le MCP data.gouv.fr pour récupérer un dataset de logements vacants ;
un MCP PostgreSQL local pour insérer la donnée dans une base de travail ;
un MCP GitHub pour ouvrir une PR avec le script d’ingestion.

L’agent orchestrait l’ensemble dans une seule conversation, en gardant la trace des actions effectuées. C’est ce type d’enchaînement qui change réellement la manière de travailler.

🎉 Conclusion

Le MCP data.gouv.fr est un excellent exemple de ce que le protocole peut apporter à l’écosystème français. Il abaisse le coût de l’expérimentation, transforme la phase d’exploration de données en une discussion fluide avec un agent, et ouvre la voie à des intégrations plus profondes entre open data et outils de développement.

Si vous travaillez avec de la donnée publique française, c’est probablement le premier MCP à ajouter à votre .mcp.json cette semaine.

🇫🇷 Un MCP pour data.gouv.fr : exploiter l'open data depuis Claude Code