MCP Shopify : connecter Claude ou ChatGPT à votre boutique sans risque

Ce qu’est MCP, sans jargon

Le Model Context Protocol (MCP) est un standard open source qui permet de connecter des applications d’IA à des systèmes externes. Le site officiel le compare à un port USB-C : une seule forme de prise, pour qu’un assistant comme Claude ou ChatGPT puisse dialoguer avec un agenda, une base de données ou une boutique sans intégration sur mesure pour chaque couple.

Concrètement, il y a deux côtés. L’assistant avec lequel vous discutez est le client. Le système auquel il se connecte fait tourner un serveur MCP, qui publie une liste d’outils : « rechercher des produits », « lire une commande », « modifier un produit », etc. Le modèle lit cette liste, choisit l’outil à appeler, et le serveur l’exécute.

C’est ce dernier point qui compte pour un marchand. Un agent ne peut faire que ce que les outils du serveur autorisent. Un serveur avec des outils de lecture lui permet de regarder. Un serveur avec un outil de modification lui permet de changer votre boutique en ligne. Choisir une connexion, c’est en réalité choisir une liste d’outils.

Les serveurs MCP Shopify que vous allez croiser

Plusieurs choses s’appellent « MCP Shopify », et elles n’ont pas du tout le même rôle. Voici ce que Shopify documente aujourd’hui.

Option	Pour qui	Touche aux données de la boutique ?
Serveur Dev MCP (dans le Shopify AI Toolkit)	Développeurs d’apps et de thèmes	Non : il tourne en local et sert docs et schémas
Storefront MCP	Chat client sur votre vitrine	Lit catalogue et politiques, gère les paniers
Connecteur Shopify pour Claude, plugin Shopify pour ChatGPT	Marchands qui gèrent leur boutique depuis un chat	Oui : lit et écrit les données de l’admin
Apps MCP tierces	Variable selon l’app	Selon les outils exposés par chaque app

Le serveur Dev MCP donne à un assistant de code l’accès à la documentation développeur et aux schémas d’API de Shopify. Shopify précise qu’il tourne en local et ne demande pas d’authentification : il n’a donc aucun accès à vos produits. L’AI Toolkit dans son ensemble peut aussi préparer des tâches de gestion de boutique via Shopify CLI, en vous laissant choisir quand les exécuter.

Storefront MCP s’adresse aux clients, pas à l’équipe. Il permet à un assistant d’achat de chercher dans le catalogue, de gérer un panier et de répondre aux questions sur les politiques, la livraison et les retours.

Les connecteurs pour Claude et ChatGPT sont ceux qui méritent réflexion. La page d’aide Shopify du connecteur pour Claude liste des actions comme créer des produits, modifier le titre, la description, le statut, les images, les prix des variantes ou les SKU d’un produit, et passer des produits en actif, brouillon ou archivé par lots de 50 au maximum. Ce qu’il peut modifier dépend des accès que vous approuvez et des autorisations du compte employé par lequel il agit.

Ce qu’un agent avec droits d’écriture peut faire à un catalogue

Prenons une boutique fictive qui vend des sous-couches en mérinos. Vous demandez à l’assistant de « rendre les descriptions plus convaincantes et d’ajouter des mots-clés SEO ». Avec des outils d’écriture, un agent serviable fera exactement cela, produit après produit, directement sur les pages en ligne :

• réécrire la description de chaque produit qu’il trouve
• changer les titres, donc ce que voient les clients et les moteurs de recherche
• ajouter des grammages, des températures d’usage ou des certifications déduits de produits similaires
• changer le statut de produits en « rangeant » le catalogue

Rien de tout cela n’exige un bug. C’est l’outil qui fonctionne comme prévu, piloté par une consigne un peu trop large.

Les trois risques qui comptent

Les réécritures en masse

Une personne qui modifie des produits est freinée par l’admin. Un agent, non. Une seule instruction peut toucher des dizaines de produits avant que vous ayez lu le premier résultat, et chaque modification est en ligne dès son enregistrement.

Les caractéristiques inventées

Les modèles comblent les trous avec des détails plausibles. Sur un article de blog, c’est gênant ; sur une fiche produit, c’est une affirmation faite à un acheteur : « certifié OEKO-TEX », « lavable en machine à 40 °C », « adapté aux peaux sensibles ». Si c’est faux, retours et réclamations suivent, et certaines allégations ont une portée juridique.

Aucun historique où revenir

L’admin Shopify est pensée autour de l’état actuel de chaque produit. Une fois une description écrasée, retrouver le texte précédent suppose en général d’en trouver une copie ailleurs : un ancien export, une app de sauvegarde, un onglet resté ouvert. Et même quand vous repérez un problème, la fiche ne dit pas clairement si le texte actuel vient d’une personne ou d’un agent. Nous comparons ce que Shopify conserve nativement sur cette page (en anglais).

La question n’est jamais de savoir si l’agent écrit bien. C’est ce qui se passe le jour où il écrit quelque chose de faux.

Une configuration sûre en cinq étapes

1. Commencer par des tâches de lecture et des audits
2. Connecter via un compte employé aux autorisations minimales
3. Limiter les agents à des outils de proposition
4. Exiger une approbation humaine avant publication
5. Indiquer l’auteur de chaque version, humain ou agent

Moindre privilège. Autorisez la connexion depuis un compte employé qui n’a que les autorisations nécessaires à la tâche, plutôt que depuis le compte du propriétaire. Shopify indique que l’accès d’un outil connecté dépend des autorisations du compte par lequel il agit : c’est votre premier vrai levier. Un agent chargé de réécrire des descriptions n’a rien à faire près des commandes, des clients ou des réductions.

Proposer uniquement. Préférez les connexions où l’agent produit un brouillon ou une proposition, pas une modification enregistrée sur le produit en ligne. Si le seul outil disponible est « modifier le produit », la relecture a lieu après la publication, donc ce sont vos clients qui relisent en premier.

Approbation humaine. Quelqu’un qui connaît les produits lit chaque proposition, la compare à ce qui est en ligne, puis l’approuve, la renvoie avec une note ou la rejette. C’est là que les caractéristiques inventées sont repérées.

Attribution. Chaque version doit dire qui l’a produite. Quand une affirmation se révèle fausse six mois plus tard, vous voulez savoir si elle vient d’un agent, d’un import CSV ou d’un collègue, et qui l’a approuvée.

Proposer sans publier avec le serveur MCP de Vetta

Vetta est une façon de mettre cela en pratique. Son serveur MCP permet à Claude ou ChatGPT de lire vos produits, collections, pages et articles et d’en proposer de nouvelles versions. Il n’existe aucun outil de publication que l’agent pourrait appeler : une proposition arrive dans la même file de relecture que le travail de votre équipe ou un import CSV.

Un relecteur voit alors une comparaison mot à mot de chaque champ (titre, handle, descriptions, titre SEO et méta-description, tags, métachamps) face au contenu en ligne, y compris pour chaque traduction publiée, puis approuve, demande des modifications ou rejette avec une note. Les agents sont uniquement auteurs. Chaque version, y compris les modifications faites directement dans l’admin Shopify, est conservée et attribuée, et restaurer une ancienne version en ajoute une nouvelle par-dessus.

Par où commencer

Commencez par une tâche facile à vérifier, par exemple demander à l’agent de proposer des méta-descriptions pour dix produits, et lisez chaque résultat. Élargissez le périmètre une fois que vous faites confiance au résultat et à votre routine de relecture. Le protocole va continuer d’évoluer ; le principe reste le même : laissez l’agent rédiger autant qu’il veut, et gardez la décision de publier entre les mains d’une personne.