MCP + GTM + Claude : j’ai géré mes tags en langage naturel

Fini les allers-retours dans l’interface GTM pour créer un trigger, le relier à un tag, vérifier la variable, publier. Il existe maintenant une autre façon de travailler — et elle change vraiment le rythme.

Ce qu’est MCP, sans le vernis

Le Model Context Protocol (MCP) est un standard ouvert qui permet aux modèles d’IA d’interagir avec des APIs, des bases de données et des services externes. Concrètement pour nous, les analytics : c’est le pont entre Claude et l’API GTM. Au lieu d’intégrer des fonctionnalités IA dans chaque produit, MCP crée un pont standardisé entre les assistants IA et les APIs existantes.

Claude n’a pas besoin d’une intégration native GTM. Il a besoin d’un serveur MCP qui traduit le langage naturel en appels API GTM et retourne des résultats structurés.

Le flux, c’est ça :

Toi (en français) → Claude → MCP Server → GTM API → ton container

Pas de script Python à maintenir. Pas de Postman. Tu décris ce que tu veux, Claude exécute.

Comment ça se branche en cinq minutes

Deux implémentations coexistent en ce moment. Stape propose un serveur hébergé, pratique si tu ne veux pas gérer d’infra. Paolo Bietolini a publié une version open source auto-hébergeable, écrite en Go.

Pour le serveur Stape, tu ouvres Claude Desktop, vas dans Settings → Developer → Edit Config, et tu colles la configuration dans le fichier claude_desktop_config. Deux lignes de JSON, un redémarrage, une fenêtre OAuth qui s’ouvre. C’est tout.

Tes credentials ne sont jamais stockés — le serveur utilise une authentification par token que tu peux révoquer à tout moment depuis ton compte Google.

Pour la version auto-hébergée de Bietolini, tu clones le repo, crées un fichier .env avec ton GOOGLE_CLIENT_ID et GOOGLE_CLIENT_SECRET, lances docker compose up -d, puis ajoutes le serveur à Claude avec claude mcp add -t http gtm http://localhost:8080.

Ce que tu peux faire concrètement

Le serveur expose 23 outils que les agents IA peuvent appeler via MCP : créer, lire, mettre à jour et supprimer des tags, triggers et variables ; consulter l’historique des versions et revenir en arrière ; travailler dans des workspaces ; publier des versions de container.

Un prompt de tracking, de A à Z

Voici ce que j’ai tapé dans Claude une fois le MCP connecté :

Contexte : container GTM-XXXXXX, site e-commerce.
Crée un trigger "Custom Event - add_to_cart" qui écoute 
l'événement addToCart du dataLayer.
Puis crée un tag GA4 Event nommé "GA4 - Add to Cart" 
qui se déclenche sur ce trigger.
Paramètres à passer : item_id (DLV - item_id), 
item_name (DLV - item_name), value (DLV - value).
Ne publie pas encore.

Claude a créé le trigger, créé le tag, associé les variables dataLayer. Tout ça dans le workspace, sans toucher à la prod. L’IA crée les changements dans un workspace. Avant de publier, tu peux demander un résumé : « Quels changements avons-nous faits dans cette session ? »

C’est là que le truc devient intéressant. Tu gardes la main sur la publication. Claude ne déploie rien en prod sans ton accord explicite.

L’audit de container : le cas d’usage qui tue

Un audit GA4 complet prend maintenant 3 prompts et moins de 4 minutes avec Claude MCP. Même logique pour GTM. Tu tapes « Audit my container for issues » et Claude analyse ton workspace — tags orphelins, triggers sans tag associé, variables inutilisées. Ce qui prenait une demi-journée de clics se fait en une conversation.

Pour les agences qui gèrent plusieurs clients, tu peux demander à Claude de copier la structure standard de tracking d’un container source vers un nouveau container client — tous les tags GA4, leurs triggers, les variables requises — en mettant à jour uniquement le Measurement ID. L’IA lit le container source, recrée la structure dans la destination et met à jour les valeurs spécifiques au client.

Ancienne école vs méthode augmentée

Tâche	Avant	Avec MCP + Claude
Créer trigger + tag + variables	15–20 min dans l’UI	1 prompt, ~45 secondes
Audit container complet	2–4 heures	3 prompts, < 5 min
Dupliquer un container client	Demi-journée	Une instruction en langage naturel
Renommer 40 tags selon une convention	Script API ou clics manuels	« Renomme tous les tags selon ce pattern »

Ce qui coince encore

Soyons honnêtes. Certains filtres d’événements (autoEventFilter) ne peuvent pas encore être configurés via le MCP — il faut passer par l’interface GTM manuellement. Le serveur peut lire ces triggers, mais pas les écrire.

Certains clients MCP comme Cursor AI ont une limite de 60 caractères pour le nom combiné du serveur MCP et du nom de l’outil. Si tu utilises un nom de serveur trop long, certains outils peuvent être filtrés. Un détail, mais qui peut te faire perdre du temps si tu ne le sais pas.

Et il reste une question de gouvernance. Les agents peuvent lire les données mais ne peuvent pas écrire sans approbation humaine. Ce niveau de contrôle fin est ce qui fait la différence entre « expérience intéressante » et « je fais confiance à ça pour tourner à 6h du matin pendant que je dors ».

Ce que ça change vraiment dans la façon de travailler

MCP représente un changement fondamental dans la façon dont on interagit avec la martech. Au lieu d’apprendre l’interface de chaque plateforme, ses raccourcis clavier et ses hiérarchies de menus, on décrit les résultats attendus et on laisse l’IA gérer l’implémentation.

Ce n’est pas une question de vitesse. C’est une question de niveau d’abstraction. Tu passes de « comment faire » à « quoi faire ». La connaissance technique reste indispensable — si tu ne sais pas ce qu’est un trigger de type Custom Event, Claude ne va pas t’apprendre ça. Mais si tu sais ce que tu veux, l’exécution devient presque transparente.

La prochaine étape logique : connecter le MCP GTM au MCP GA4 dans la même session. Auditer le container, détecter un tag manquant, le créer, vérifier dans GA4 que l’événement remonte. Tout ça sans changer d’onglet, sans copier-coller un ID de mesure.

Si tu veux tester maintenant : demande à Claude de lister les tags de ton container de dev, et observe. C’est le meilleur moyen de calibrer ce que tu veux déléguer — et ce que tu veux garder sous contrôle.