Airtable MCP : connecter ChatGPT, Claude et vos agents IA en 2026

Qu’est-ce que le serveur MCP d’Airtable ?

MCP, pour Model Context Protocol, est un standard permettant à un assistant IA d’accéder aux données et aux actions exposées par un logiciel.

Dans le cas d’Airtable, le fonctionnement peut être résumé ainsi :

ChatGPT / Claude / agent IA → serveur MCP Airtable → votre base Airtable

L’assistant peut découvrir les bases auxquelles vous avez accès, comprendre leurs tables et leurs champs, rechercher des records puis utiliser les actions autorisées.

L’intérêt est différent d’une API classique. Avec une API, un développeur définit précisément quelles requêtes doivent être exécutées. Avec MCP, vous pouvez simplement demander :

Quels projets sont en retard cette semaine et nécessitent une action de ma part ?

L’assistant détermine alors lui-même les outils Airtable nécessaires pour répondre.

Airtable maintient désormais son propre serveur officiel à l’adresse :

https://mcp.airtable.com/mcp

https://mcp.airtable.com/mcp

https://mcp.airtable.com/mcp

Le serveur est inclus dans les plans Airtable sans supplément spécifique, même si son utilisation reste soumise aux limites habituelles de la plateforme. Airtable a fortement étendu ses capacités en août 2026 pour permettre aux assistants de construire non seulement la donnée, mais aussi certaines parties de l’application.

Ce qu’Airtable MCP peut réellement faire en 2026

Le serveur MCP est désormais beaucoup plus qu’une couche de lecture.

La différence avec les premières versions du serveur est importante.

Un assistant peut désormais partir d’une instruction relativement générale comme :

Crée-moi un outil de suivi des projets avec Clients, Projets, Tâches et Collaborateurs. Chaque client peut avoir plusieurs projets et chaque tâche doit avoir un responsable.

Il peut créer les tables, les relations et les champs nécessaires.

Airtable indique également que la création de champs est schema-aware : l’agent peut comprendre les relations existantes pour construire correctement des champs comme des lookups, counts ou rollups.

Mais il y a une nuance essentielle :

Être capable de construire une architecture ne signifie pas être capable de choisir automatiquement la meilleure architecture.

L’IA peut aller très vite dans la mauvaise direction aussi.

Construire une première version d’une base avec l’IA

C’est probablement l’un des usages les plus impressionnants de MCP.

Au lieu de créer manuellement :

• les tables ;

• les champs ;

• les relations ;

• certains rollups ;

• les premiers records ;

vous pouvez décrire le système attendu.

Par exemple :

Je veux gérer mes campagnes média. Une campagne appartient à un client et possède plusieurs lignes de plan média. Chaque ligne peut générer plusieurs livrables. Crée une structure Airtable simple permettant de suivre la campagne de la planification jusqu’à la livraison.

L’agent peut construire une première structure puis vous permettre de l’ajuster.

Mais c’est précisément là qu’il faut rester pragmatique.

Un système métier n’est pas simplement une collection de tables. Il faut décider :

• quelles entités méritent réellement une table ;

• quelles informations peuvent rester des champs ;

• quelles relations sont nécessaires ;

• quels statuts reflètent réellement le processus ;

• quelles données doivent être calculées ;

• quelles informations doivent être visibles par chaque utilisateur.

Une IA peut accélérer considérablement l’exécution de ces décisions. Elle ne dispense pas forcément de les prendre.

C’est d’ailleurs la même logique que pour Omni, que nous détaillons dans notre guide sur Airtable et l’IA.

Créer des Interfaces Airtable depuis Claude ou ChatGPT

La nouveauté la plus intéressante est peut-être la capacité de MCP à construire la couche utilisateur.

Un assistant peut désormais créer des pages d’Interface à partir du système existant. Airtable donne lui-même l’exemple d’un calendrier marketing dont l’agent construit ensuite un dashboard avec vues Calendar, Kanban et Timeline.

Vous pourriez donc demander :

Crée une Interface pour les chefs de projet avec une page d’accueil, leurs projets actifs, leurs tâches en retard et les validations qui nécessitent leur attention.

C’est très puissant pour accélérer une première version.

Mais les mêmes principes UX restent valables.

Une Interface générée automatiquement ne devrait pas simplement reproduire les tables. Elle doit rester pensée par rôle, afficher uniquement les informations utiles et limiter les actions disponibles à ce dont l’utilisateur a réellement besoin.

Autre limite importante à connaître : Airtable indique actuellement que MCP ne sait pas modifier une page d’Interface existante. Il peut en créer et gérer leur cycle de publication, mais l’édition d’une page déjà construite reste à faire depuis Airtable.

Nous détaillons justement les principes de conception dans notre guide Airtable Interfaces.

Construire des automatisations Airtable avec MCP

MCP peut également construire et administrer une partie des automatisations.

Vous pouvez par exemple demander :

Lorsqu’un nouveau formulaire est soumis, vérifie la priorité de la demande, attribue un responsable et préviens le bon canal Slack.

L’agent peut configurer le trigger, les actions, les données dynamiques, des conditional groups et même des repeating groups.

Airtable prend actuellement entièrement en charge via MCP plusieurs triggers courants : création ou mise à jour de record, conditions remplies, horaire programmé, formulaire soumis ou entrée dans une vue. Les actions pleinement supportées incluent notamment Create record, Update record, Find records, e-mail, Slack et les actions de génération IA structurée.

Un garde-fou important : l’automation reste désactivée

Une nouvelle automation créée via MCP démarre en pause.

L’agent construit donc le scénario, puis vous fournit un accès permettant de le contrôler dans Airtable avant de l’activer.

C’est un fonctionnement que je trouve sain :

IA construit → humain vérifie → Airtable exécute.

Sur une automation déjà active, MCP peut également préparer des changements, mais ceux-ci ne remplacent pas immédiatement la version actuellement en production.

Run a script reste une limite

À date, MCP ne peut pas créer ou modifier une action personnalisée Run a script.

C’est important car les scripts restent nécessaires pour certaines logiques avancées, appels API ou transformations JavaScript.

Le workflow peut donc ressembler à :

MCP construit 80 % de l’automation → le builder ajoute manuellement le script nécessaire → test → activation.

Notre guide sur l’automatisation Airtable explique justement quand rester en natif, quand passer au script et quand utiliser Make, n8n ou une API.

Les Skills Airtable : apprendre à l’agent comment bien construire

La deuxième nouveauté importante concerne les Skills.

Airtable propose maintenant une bibliothèque de compétences utilisables par les agents. Certaines leur apprennent les principes fondamentaux de la plateforme, avec par exemple airtable-overview ou airtable-filters.

D’autres sont orientées métier :

• sales-ops ;

• marketing-ops ;

• product-ops.

L’objectif est intéressant.

Au lieu de donner uniquement à l’IA les outils techniques nécessaires pour créer une table, on lui fournit également des conventions permettant de comprendre le type de système qu’elle doit construire.

Un agent équipé d’un skill Marketing Ops peut ainsi comprendre plus naturellement comment structurer un calendrier éditorial, des campagnes ou un processus de lancement. Airtable accompagne également ces skills de prompts prêts à l’emploi.

Cela rapproche progressivement Airtable d’une logique :

décrire le système attendu plutôt que partir systématiquement d’un template figé.

Mais une compétence générique reste différente de la connaissance de votre entreprise. Votre cycle client, vos exceptions, vos rôles et votre manière de travailler doivent toujours être intégrés au modèle.

Interroger Airtable depuis ChatGPT ou Claude

MCP est également utile sans rien construire.

Prenons une base contenant :

• Clients ;

• Projets ;

• Tâches ;

• Factures.

Vous pouvez demander :

Quels projets présentent un retard et ont encore une facture non créée ?

ou :

Résume-moi ce qui s’est passé cette semaine sur le client Acme.

ou encore :

Quels responsables ont plus de cinq tâches en retard ?

L’assistant récupère directement les données Airtable nécessaires puis les exploite dans le contexte de la conversation.

Cela peut éviter de construire une vue ou un dashboard pour chaque question ponctuelle.

L’IA devient alors une nouvelle interface d’accès aux données structurées, complémentaire des vues et Interfaces traditionnelles.

Connecter Airtable MCP à ChatGPT

Airtable propose déjà une application dédiée dans ChatGPT et son serveur MCP officiel peut également être connecté dans les environnements permettant les MCP personnalisés.

Pour un serveur MCP custom, OpenAI indique actuellement que les capacités MCP complètes, y compris les actions d’écriture, sont disponibles sur ChatGPT Business et Enterprise/Edu sur le web. ChatGPT Pro peut utiliser des MCP en Developer mode avec des capacités plus limitées de lecture/recherche. Ces modalités évoluent rapidement et méritent donc d’être vérifiées au moment du déploiement.

Le principe reste ensuite le même :

1. activer l’environnement permettant les apps/MCP ;

2. ajouter le serveur https://mcp.airtable.com/mcp ;

3. s’authentifier auprès d’Airtable ;

4. autoriser uniquement les bases nécessaires ;

5. tester les actions disponibles avant de les généraliser à l’équipe.

Dans une entreprise, je recommande de traiter cette connexion comme une vraie intégration métier, pas comme un simple plugin activé individuellement par chaque utilisateur.

Et avec Claude ?

Claude fait partie des assistants explicitement cités par Airtable comme compatibles avec son serveur MCP. Le principe consiste là encore à ajouter le serveur distant Airtable puis à s’authentifier.

Une fois connecté, Claude peut découvrir le schéma disponible avant de choisir l’outil nécessaire à la demande.

L’intérêt devient particulièrement important lorsque Claude est déjà utilisé pour :

• écrire ou analyser des documents ;

• travailler sur des fichiers ;

• préparer des réunions ;

• développer ;

• réfléchir à un processus.

Les données Airtable peuvent alors devenir du contexte opérationnel structuré directement disponible dans cette conversation.

Permissions : MCP n’ouvre pas toute votre base à l’IA

C’est un point important.

Le serveur MCP respecte les permissions du compte Airtable connecté. L’agent ne peut donc pas simplement parcourir toutes les bases de l’organisation parce qu’il est connecté à Airtable. Airtable indique également que les administrateurs peuvent contrôler les intégrations tierces au niveau de l’organisation.

Il existe même un cas particulièrement intéressant avec Interface Designer.

Pour les personnes qui disposent seulement d’un accès à une Interface, Airtable expose des outils MCP permettant de découvrir les pages autorisées et de consulter les records visibles sur ces pages. Le serveur tient donc compte de ce périmètre plutôt que d’exiger automatiquement un accès complet à la base.

On peut ainsi imaginer :

Base centrale

→ Interface commerciale
→ commerciaux
→ assistant IA sur les données commerciales accessibles

→ Interface production
→ équipe Ops
→ assistant IA sur les données opérationnelles accessibles

C’est une architecture intéressante pour intégrer l’IA sans ouvrir inutilement toute la couche backend à chaque utilisateur.

En revanche, certaines opérations de construction nécessitent naturellement davantage de permissions. Par exemple, Airtable réserve actuellement la création ou modification d’automations via MCP aux Base owners et creators.

MCP, Omni, Field Agents, Automations ou API : que choisir ?

Ces fonctions sont complémentaires.

La différence la plus importante concerne probablement MCP et Automation.

MCP intervient lorsque l’agent décide quels outils utiliser pour répondre à une intention.

Une automation intervient lorsqu’un événement précis doit toujours provoquer la même séquence d’actions.

Par exemple :

« Analyse mes projets et dis-moi lesquels nécessitent mon attention. »

→ MCP.

« Chaque matin, envoyer automatiquement un résumé des projets en retard. »

→ Automation.

Même raisonnement avec l’API : MCP ne remplace pas une intégration déterministe qui doit fonctionner des milliers de fois de manière prévisible.

Pour les intégrations plus techniques, consultez notre guide de l’API Airtable.

5 cas d’usage intéressants d’Airtable MCP

Construire rapidement une V1

Décrire un processus → générer tables et relations → créer les premières Interfaces → ajuster avec les utilisateurs.

Faire évoluer un système existant

Demander par exemple d’ajouter une gestion des contrats à un CRM existant, avec relations et champs associés.

Générer une automation

Décrire l’action métier en langage naturel puis contrôler la configuration avant activation.

Analyser l’activité sans créer un nouveau dashboard

Questionner directement les projets, clients, opportunités ou données opérationnelles en fonction du besoin du moment.

Donner à chaque rôle un assistant sur son périmètre

Associer les permissions et Interfaces Airtable à l’utilisation de l’IA pour éviter d’exposer inutilement l’ensemble du backend.

Les limites d’Airtable MCP à connaître

MCP réduit fortement la friction technique, mais ne supprime pas plusieurs problèmes fondamentaux.

Une donnée mal structurée restera difficile à exploiter. Des statuts ambigus resteront ambigus. Une base remplie de doublons ne deviendra pas fiable parce qu’un LLM peut l’interroger.

Il faut également garder en tête que l’agent peut effectuer rapidement beaucoup d’actions. Les opérations importantes doivent donc continuer à être vérifiées, particulièrement lors de modifications du schéma ou de traitements sur un grand nombre de records.

Certaines capacités restent aussi incomplètes :

• les pages d’Interface existantes ne sont pas encore éditables via MCP ;

• Run a script n’est pas encore créable ou modifiable ;

• toutes les actions d’automation ne disposent pas du même niveau de prise en charge ;

• les nouvelles automations doivent toujours être activées manuellement ;

• les capacités disponibles dépendent du client MCP utilisé.

MCP ne transforme donc pas Airtable en système autonome pouvant être laissé sans supervision.

Il réduit surtout le coût de construction et d’interaction avec le système.

Ce que MCP change réellement pour Airtable

Le changement le plus intéressant n’est finalement pas de pouvoir écrire :

Ajoute ce client dans Airtable.

C’était déjà possible autrement.

Ce qui change, c’est que la couche de construction elle-même devient progressivement accessible en langage naturel :

données → modèle → Interfaces → automatisations.

Cela peut considérablement accélérer le travail d’un bon builder.

Mais cela rend aussi la conception encore plus importante.

Si créer une table, un champ ou une automation ne prend plus que quelques secondes, la valeur se déplace davantage vers les bonnes questions :

Faut-il vraiment créer cette table ?
Ce statut est-il utile ?
Cette automation simplifie-t-elle vraiment le processus ?
Quelle information faut-il montrer à cet utilisateur ?
Quelle décision doit rester humaine ?

L’IA réduit progressivement la difficulté du comment construire.

Elle ne résout pas automatiquement le quoi construire et pourquoi.

Besoin d’intégrer l’IA dans vos processus Airtable ?

HyperOps conçoit et fait évoluer des systèmes Airtable dans lesquels l’IA est intégrée uniquement lorsqu’elle apporte une valeur concrète : structuration de données, qualification, recherche, automatisations, agents ou connexion via MCP.

L’objectif reste de construire un système simple, fiable et réellement utilisable par les équipes — avec ou sans IA.

Découvrez notre agence Airtable, notre accompagnement en automatisation et IA ou nos outils métier Airtable.

Questions fréquentes sur Airtable MCP