Un serveur MCP Google Ads permet à un assistant IA d’effectuer des tâches réelles à l’intérieur d’un compte Google Ads via le Model Context Protocol. Cela comprend la lecture des performances des campagnes, la modification des enchères et des budgets, la création de nouvelles campagnes et annonces, ainsi que la conduite d’expériences A/B, le tout via un langage naturel. La portée de ce qu’un serveur MCP Google Ads peut faire dépend entièrement du nombre d’outils qu’il expose et de l’accès en modification que ces outils offrent, pas seulement en lecture.
Cet article cartographie plus de 70 outils MCP Google Ads en quatre catégories fonctionnelles : Analytics, Manager, Builder et Expériences. Chaque catégorie détaille ce que font les outils, quelles tâches ils permettent et ce qu’un agent IA peut réaliser concrètement avec eux. Un exemple d’implémentation est inclus pour chaque catégorie.
Si vous évaluez ce que les agents IA peuvent réellement faire dans Google Ads, ou que vous essayez de comprendre ce qu’un serveur MCP bien conçu couvre, c’est la référence qu’il vous faut.
Qu’est-ce qu’un serveur MCP Google Ads ?
Le Model Context Protocol (MCP) est une norme ouverte qui permet aux assistants IA d’appeler des outils externes. Plutôt qu’un utilisateur ne se connecte manuellement à Google Ads, génère un rapport, ajuste une enchère et rédige une nouvelle annonce en étapes distinctes, un serveur MCP expose toutes ces actions comme des outils appelables. L’assistant IA peut alors les chaîner selon une instruction en langage clair.
Un serveur MCP Google Ads connecte spécifiquement un assistant IA à l’API Google Ads et propose un ensemble d’outils invocables par l’IA. La distinction clé réside entre les serveurs qui offrent uniquement un accès en lecture et ceux qui supportent aussi des actions en écriture comme la création de campagnes, la mise en pause d’annonces, la modification de budgets ou le lancement d’expériences.
Le serveur MCP officiel Google Ads, maintenu par Google, est actuellement en lecture seule. Il ne prend pas en charge la création de campagnes, les changements de budget ou toute action en écriture. Tout ce qu’il expose est analytique.
Les serveurs MCP tiers, construits sur l’API Google Ads, peuvent aller plus loin. La profondeur de leur éventail d’outils, la qualité de leur documentation et l’intégration de couches contextuelles comme l’identité commerciale déterminent leur utilité pratique.
Organisation des outils MCP Google Ads
La manière la plus utile de penser les outils MCP Google Ads est par type d’action. Il existe quatre catégories distinctes, chacune représentant une tâche différente qu’un agent IA peut réaliser.
- Outils Analytics lisent les données du compte, révèlent des insights de performance et retournent des informations structurées que l’IA peut analyser.
- Outils Manager modifient les campagnes, groupes d’annonces, annonces, mots clés, enchères et budgets existants.
- Outils Builder créent de nouvelles entités depuis zéro : campagnes, groupes d’annonces, annonces, mots clés et extensions.
- Outils Expériences configurent et suivent des tests A/B qui répartissent le trafic réel entre variantes.
Ce modèle en quatre catégories n’est pas arbitraire. Il correspond directement aux quatre actions que réalise tout annonceur dans Google Ads : vérifier la performance, ajuster ce qui tourne, construire du neuf, et tester des hypothèses. Un serveur MCP complet couvre toutes ces dimensions.
Catégorie 1 : Outils Analytics Google Ads
Ce que font les outils Analytics
Les outils Analytics sont en lecture seule. Ils se connectent à l’API Google Ads, lancent des requêtes et retournent des données que l’assistant IA peut interpréter. Ils ne modifient rien dans le compte. Leur but est de donner à l’IA une vision claire de ce qui se passe avant d’agir, ou de répondre à une question spécifique de performance sans aucune action nécessaire.
Un ensemble bien conçu d’outils Analytics couvre tous les niveaux hiérarchiques du compte : au niveau du compte, campagne, groupe d’annonces, annonce, mot clé et audience. Il intègre également la comparaison temporelle pour que l’IA puisse relever des tendances, pas seulement des instantanés.
Exemples d’outils Analytics Google Ads
- Résumé des performances du compte (impressions, clics, conversions, coût, ROAS sur une plage de dates)
- Analyse des performances des campagnes par type (Search, Shopping, Display, Performance Max, Vidéo)
- Comparaison des performances des groupes d’annonces au sein d’une campagne
- Rapport de performance des mots clés avec filtrage par type de correspondance
- Rapport de termes de recherche montrant les requêtes exactes qui ont déclenché des annonces
- Rapport d’informations sur les enchères (part d’impression, taux de chevauchement, taux de position au-dessus)
- Comparaison des performances des annonces selon le titre, la description et la combinaison d’assets
- Performance des assets d’annonces responsives de recherche (assets épinglés vs non épinglés)
- Performance des groupes de produits Shopping
- Détail des performances des groupes d’assets Performance Max
- Comparaison des performances des segments d’audience
- Répartition des performances par appareil (ordinateur, mobile, tablette)
- Rapport de performance géographique par pays, région ou ville
- Rapport de dayparting (heure du jour, jour de la semaine)
- Détail des performances des actions de conversion
- Rapport de performance des pages de destination
- Rapport d’utilisation du budget (rythme par rapport au budget quotidien)
- Rapport de score de qualité au niveau du mot clé
- Journal des modifications
- Liste de recommandations issue de l’API Google Ads Recommendations
Cette liste couvre les cas d’usage Analytics les plus fréquents mais n’est pas exhaustive. Une implémentation complète expose aussi les performances des extensions d’annonces, le filtrage par labels et la comparaison de budgets inter-campagnes.
Ce qu’un agent IA peut faire avec les outils Analytics
La valeur pratique des outils Analytics ne réside pas dans les données elles-mêmes. Elle tient à ce que l’IA fait avec ces données. Lorsqu’un assistant IA a simultanément accès à un rapport de performances des mots clés, un rapport de termes de recherche et des données de score de qualité, il peut identifier les mots clés sous-performants, détecter les termes de recherche qui consomment du budget sans convertir, et expliquer la cause probable, sans que l’utilisateur ait à lancer trois rapports différents et faire le lien manuellement.
Les outils Analytics sont aussi le socle de toute action en écriture. Un workflow bien conçu ne modifie pas les enchères à l’aveugle. Il lit la performance d’abord, raisonne à partir des données, propose un changement, puis ne l’exécute qu’après confirmation.
Exemple concret : Revue hebdomadaire au niveau du compte
Un annonceur demande :
