Qu'est-ce que le MCP (Model Context Protocol) ? Définition et guide complet 2026
Depuis novembre 2024, un sigle circule partout dans les discussions sur l’IA : MCP. Sur GitHub, dans les fils de discussion de développeurs, dans les annonces d’OpenAI, de Google et de Microsoft. Si vous utilisez Claude, ChatGPT ou Cursor, vous avez très probablement déjà entendu ce terme sans savoir exactement ce qu’il désigne.
Vous voulez que votre IA produise du contenu qui ressemble vraiment à votre marque, pas à la marque de tout
Découvrez comment les IA sélectionnent leurs sources et construisent leurs réponses. Comprendre ces mécanismes est clé pour le GEO et
Votre marque parle. Mais est-ce vraiment votre voix qu’on entend, ou celle de l’IA par défaut ? Définir une brand
Perplexity AI dépasse désormais 10 millions de requêtes par jour. Freelances, coachs, artisans, consultants : cette visibilité gratuite est accessible
Votre IA produit du contenu correct mais sans âme. Le problème ne vient pas du modèle : il vient de
Vous publiez du contenu depuis des mois. Votre site est bien positionne sur Google. Mais une question revient : est-ce
Votre texte est correct, propre, bien structuré. Et pourtant quelque chose sonne faux. Ce quelque chose a souvent un nom
Besoin de vision pour le branding de sa marque ? Découvrez le prompt ChatGPT ultime pour un branding réussi.
Si vous n’êtes pas cité par l’IA, ce sont vos concurrents qui récupèrent ce client. Et cette situation se répète
Vous perdez du temps sur des tâches répétitives ? Découvrez comment ChatGPT peut automatiser vos tâches quotidiennes : rédaction d’e-mails,
Chaque collaborateur teste dans son coin, copie-colle des données, improvise des prompts. À court terme, ça fonctionne. À moyen terme,
Utiliser l’IA sans cadre clair peut exposer l’entreprise bien au-delà de ce qu’elle imagine. Que risque-t-elle réellement, et pourquoi ces
📊 Vous voulez savoir comment des entreprises concrètes ont transformé leurs performances avec l’IA ? Dans cet article, nous analysons
IA interne ou outils IA grand public comme ChatGPT ? Comparaison concrète pour l’IA en entreprise : données, gouvernance, productivité
Optimisez votre visibilité sur ChatGPT et les LLM grâce au GEO. Découvrez les stratégies pour être cité par l’IA et
Découvrez nos stratégies GEO pour optimiser votre visibilité sur Claude. Apprenez comment l’IA d’Anthropic sélectionne ses sources et devenez une
Qu’est le Model Context Protocol, pourquoi il change les règles du jeu pour les agents IA, et comment vous pouvez
Vous avez du mal à choisir les couleurs pour votre logo ou identité visuelle ? Découvrez le prompt ChatGPT ultime
Les IA génératives changent la façon dont les gens trouvent des prestataires locaux. Ce guide explique exactement ce que doit
L’IA générative s’invite dans toutes les entreprises, souvent sans cadre, sans règles et sans gouvernance claire. Déployer une IA interne
Définition : le MCP (Model Context Protocol) est un protocole open source créé par Anthropic en novembre 2024. Il standardise la façon dont les modèles d’IA (LLM) communiquent avec des outils et sources de données externes. Concrètement, il permet à un modèle comme Claude, ChatGPT ou Gemini de se connecter à GitHub, Google Drive, une base de données, Slack ou n’importe quel service externe via une interface universelle et sécurisée, sans qu’il soit nécessaire de développer une intégration spécifique pour chaque combinaison.
En décembre 2025, Anthropic a cédé la gouvernance du MCP à l’Agentic AI Foundation (AAIF), une entité sous la Linux Foundation cofondée avec OpenAI, Block, Google, Microsoft, AWS, Cloudflare et Bloomberg. Le MCP est aujourd’hui un standard industriel reconnu par l’ensemble de l’écosystème IA.
Pourquoi le MCP a été créé : le problème M×N que tout le monde ignorait
Pour comprendre pourquoi le MCP est une avancée majeure, il faut d’abord comprendre le problème qu’il résout.
Les deux limites fondamentales des modèles d'IA avant le MCP
Aussi puissants soient-ils, les grands modèles de langage (LLM) comme GPT-4, Claude ou Gemini se heurtent à deux contraintes structurelles :
- La date de péremption (cutoff date) : un modèle ne connaît que les informations présentes dans ses données d’entraînement. Il ignore ce qui s’est passé après sa date limite. Il ne peut pas consulter vos fichiers, votre base de données ou vos emails en temps réel.
L’impossibilité d’agir : un LLM peut générer du texte, mais il ne peut pas envoyer un email, créer une tâche dans votre CRM, pousser du code sur GitHub ou interroger une base PostgreSQL. Il décrit comment faire, il ne fait pas.
Le problème M×N : pourquoi connecter des IA à des outils était un enfer
Avant le MCP, chaque développeur souhaitant connecter un modèle d’IA à un service externe devait coder une intégration sur mesure. Et le problème se multiplie très vite.
Imaginons une entreprise qui utilise 4 modèles d’IA (Claude, GPT-4, Gemini, Deepseek) et souhaite les connecter à 5 services (GitHub, Slack, Google Drive, Salesforce, base de données interne) :
Situation | Complexité |
Sans MCP | 4 modèles x 5 services = 20 intégrations à développer et maintenir |
Avec MCP | 4 clients MCP + 5 serveurs MCP = 9 composants seulement |
Gain réel | Réduction de 55 % de la complexité d’intégration (source : Digidop, 2025) |
Le MCP transforme l’équation M×N en M+N. C’est ce que la communauté technique appelle le passage du problème des intégrations en étoile au modèle hub-and-spoke.
Analogie concrète : avant le MCP, connecter des appareils à un ordinateur ressemblait à l’époque avant l’USB : chaque fabricant inventait son propre connecteur, et chaque appareil nécessitait son propre câble propriétaire. Le MCP, c’est l’USB-C de l’IA. Un seul format, compatible avec tout. |
Qu'est-ce que le MCP : définition, architecture et fonctionnement
Le Model Context Protocol définit un cadre standard pour faire communiquer un agent IA avec des services ou données externes, de manière agnostique au modèle sous-jacent. Autrement dit, un serveur MCP développé pour GitHub fonctionne avec Claude, avec ChatGPT et avec n’importe quel autre modèle compatible MCP.
L'architecture MCP : hôte, client et serveur
Le MCP repose sur une architecture tripartite. Chaque composant a un rôle précis :
Composant | Rôle | Exemples concrets |
Hôte MCP | Application qui intègre le modèle d’IA et gère la communication | Claude Desktop, Cursor, VS Code Copilot, ChatGPT Desktop |
Client MCP | Pont intégré dans l’IA qui gère la communication avec les serveurs | Composant interne de Claude, GPT-4 ou Gemini dans l’hôte |
Serveur MCP | Programme qui expose des outils, ressources et fonctionnalités | Serveur GitHub MCP, serveur Google Drive MCP, serveur Slack MCP |
La communication entre client et serveur MCP suit la spécification JSON-RPC 2.0. Deux modes de transport coexistent : stdio (processus local via stdin/stdout, le plus courant) et HTTP streamable (pour les serveurs distants, introduit dans la spécification de mars 2025 en remplacement de SSE).
Les 3 primitives d'un serveur MCP : outils, ressources et prompts
Un serveur MCP expose trois types de capacités à l’IA :
- Les outils (Tools) : des fonctions exécutables que le modèle peut appeler pour agir. Exemples : créer une issue GitHub, envoyer un message Slack, exécuter une requête SQL. Ce sont les outils qui donnent à l’IA sa capacité d’action réelle sur le monde.
- Les ressources (Resources) : des données structurées auxquelles le modèle peut accéder en lecture. Exemples : le contenu d’un fichier, une liste de commits, une entrée de base de données. Les ressources sont passives mais enrichissent le contexte disponible.
- Les prompts (Prompts) : des gabarits de requêtes préconfigurés que l’utilisateur peut activer. Exemple : un prompt ‘review-pull-request’ qui structure automatiquement la demande d’analyse avec le contexte du repository. Les prompts sont activés par l’utilisateur (via une commande slash), pas par le modèle.
Exemple concret de flux MCP : un développeur dans Cursor demande ‘liste les issues ouvertes du repository wemakehub’. Le client MCP identifie qu’il faut appeler l’outil ‘list_issues’ du serveur GitHub MCP. La requête JSON-RPC est envoyée au serveur, qui interroge l’API GitHub avec les permissions configurées, retourne la liste structurée, et Claude la reformule en langage naturel. Le tout en moins de 2 secondes, sans que l’utilisateur ait quitté son interface. |
Chronologie MCP : d'une initiative Anthropic à un standard industriel mondial
Ce qui est remarquable avec le MCP, c’est la vitesse à laquelle un protocole développé par une seule entreprise est devenu un standard adopté par toute l’industrie. En moins de 14 mois.
De novembre 2024 à février 2026 : la plus rapide standardisation de l'IA
Date | Événement |
Novembre 2024 | Anthropic lance le MCP en open source avec des SDK Python et TypeScript. Serveurs de référence publiés pour GitHub, Slack, Google Drive, PostgreSQL et Puppeteer. |
Début 2025 | Zed, Replit, Codeium et Sourcegraph annoncent la compatibilité MCP. Block et Apollo intègrent MCP dans leurs systèmes internes. |
Mars 2025 | OpenAI adopte le MCP dans son Agents SDK, son API Responses et l’app ChatGPT Desktop. Sam Altman : ‘People love MCP.’ |
Avril 2025 | Google DeepMind confirme le support MCP dans les futurs modèles Gemini, qualifiant le protocole de standard ouvert de l’ère des agents IA. |
Mai 2025 | Microsoft et GitHub rejoignent le comité de pilotage MCP. Windows 11 annonce une intégration native. |
Septembre 2025 | Anthropic lance un registre centralisé de serveurs MCP. Mise à jour majeure de la spécification : opérations asynchrones, vérification d’identité des serveurs. |
Décembre 2025 | Anthropic cède la gouvernance à l’Agentic AI Foundation (AAIF), entité sous la Linux Foundation. Cofondateurs : OpenAI, Block. Soutiens : Google, Microsoft, AWS, Cloudflare, Bloomberg. |
Février 2026 | L’écosystème MCP compte plus de 13 000 serveurs sur GitHub. Les SDK officiels totalisent plus de 97 millions de téléchargements mensuels. Claude intègre plus de 75 connecteurs natifs. |
MCP vs API, MCP vs RAG : comprendre les différences pour choisir la bonne approche
MCP vs API classique : complémentaire, pas concurrent
Une question revient souvent : le MCP remplace-t-il les API ? La réponse est non. Le MCP ajoute une couche de standardisation par-dessus les API, il ne les remplace pas. Un serveur MCP appelle lui-même des API pour accomplir ses actions.
Critère | API classique | MCP |
Intégration | Spécifique à chaque combinaison modèle + service | Universelle : un client MCP fonctionne avec tous les serveurs MCP |
Découverte | Le développeur doit documenter et coder chaque endpoint | Automatique : le client découvre les outils disponibles dynamiquement |
Communication | Structure variable selon chaque API | Standardisée JSON-RPC 2.0 dans les deux sens |
Changement de LLM | Requiert de réécrire les intégrations pour le nouveau modèle | Aucune modification : seul le client change, les serveurs restent |
Contexte | Souvent tous les champs retournés, même inutiles | L’IA demande exactement ce dont elle a besoin |
MCP vs RAG : deux approches complémentaires pour enrichir le contexte IA
Le RAG (Retrieval Augmented Generation) et le MCP sont souvent confondus. Ils répondent à des besoins différents et s’utilisent ensemble.
- Le RAG injecte des documents pertinents dans le contexte du modèle avant la génération. C’est une approche statique : vous récupérez les informations, vous les mettez dans le prompt, le modèle répond. Idéal pour les bases de connaissances, la documentation, les FAQ.
- Le MCP permet au modèle d’agir en temps réel : interroger une base de données, envoyer un message, exécuter du code, récupérer des données fraîches. C’est une approche dynamique et interactive.
Exemple concret : une assistante RH virtuelle pour une PME. Le RAG lui permet de répondre aux questions sur le règlement intérieur (documents statiques). Le MCP lui permet de consulter le système RH en temps réel pour connaître les congés disponibles d’un employé, de créer une demande d’absence et d’envoyer une notification au manager, le tout en une seule conversation. |
Cas d'usage concrets du MCP pour les freelances, TPE et développeurs
Le MCP n’est pas réservé aux grandes entreprises tech. Voici des applications concrètes pour des profils variés.
Cas d'usage MCP pour les développeurs et équipes techniques
- Revue de code automatisée : un développeur dans Cursor ou VS Code demande à l’IA d’analyser une pull request GitHub. Via le serveur MCP GitHub, l’IA accède au diff en temps réel, vérifie les conventions du projet (via le serveur filesystem MCP), exécute les tests et génère un commentaire de revue structuré. Le tout sans copier-coller une seule ligne de code.
- Débogage en contexte : au lieu d’expliquer manuellement l’architecture du projet à l’IA, le serveur MCP filesystem donne accès à la structure réelle du code. L’IA peut naviguer dans les fichiers, lire les logs et proposer une correction précise.
Automatisation de workflows DevOps : créer une issue GitHub, déclencher un pipeline CI/CD, mettre à jour la documentation et prévenir l’équipe sur Slack, en une seule instruction en langage naturel.
Cas d'usage MCP pour les freelances et TPE sans profil technique
- Assistant commercial connecté : un freelance consultant connecte Claude à son CRM (via un serveur MCP Salesforce ou HubSpot). Il peut demander ‘quels clients n’ont pas été relancés depuis 30 jours’ et obtenir une liste avec les coordonnées, sans jamais ouvrir son CRM.
- Gestion documentaire intelligente : un cabinet d’avocat connecte son drive (serveur MCP Google Drive) à Claude. Les collaborateurs posent des questions en langage naturel sur les dossiers (‘retrouve les clauses de non-concurrence dans les contrats signés en 2025’) et obtiennent des réponses sourcées.
- Support client enrichi : un chatbot connecté via MCP à une base de connaissances, un système de ticketing Zendesk et un CRM peut lire l’historique d’un client, créer un ticket et mettre à jour sa fiche, le tout dans la même conversation.
- Analyse de données en temps réel : un manager demande à l’IA les ventes par région pour le dernier trimestre. Via le serveur MCP PostgreSQL, l’IA interroge directement la base de données, effectue les calculs et retourne un tableau avec une analyse narrative.
Exemple concret (source : communauté MCP GitHub, 2025) : un utilisateur configure Claude Desktop avec le serveur MCP Airbnb. Il tape : ‘trouve-moi un logement pour 4 personnes à Paris pour le marathon du 6 avril 2026, budget 800 euros par nuit’. Claude interroge Airbnb via le serveur MCP et retourne les annonces disponibles avec leurs caractéristiques et les liens directs vers les logements. |
Sécurité du MCP : risques identifiés et bonnes pratiques pour les entreprises
Le MCP donne à un agent IA la capacité d’exécuter du code et d’accéder à des données arbitraires. Cette puissance implique des responsabilités importantes. Une étude académique publiée en avril 2025 (Hou et al., arXiv:2503.23278) a mis en lumière plusieurs vulnérabilités
Les risques de sécurité du MCP documentés en 2025
- Injection de code via les connecteurs : un serveur MCP malveillant (ou compromis) peut injecter des instructions dans les réponses pour manipuler les actions du modèle. Un serveur qui prétend lister des fichiers peut en réalité inclure des instructions cachées pour exécuter d’autres commandes.
- Exfiltration de données : un serveur MCP accédant à des données sensibles (base RH, documents financiers) peut, si mal sécurisé, transmettre ces données à des tiers non autorisés.
- Attaque ‘rug pull’ : un serveur initialement fiable et légitime peut, après une mise à jour, devenir malveillant. L’utilisateur qui l’avait approuvé n’est plus protégé.
Les bonnes pratiques de sécurité MCP selon la spécification officielle
La spécification MCP (modelcontextprotocol.io) définit plusieurs principes obligatoires :
- Consentement explicite : l’hôte doit obtenir le consentement de l’utilisateur avant toute invocation d’outil. Aucune action ne doit être exécutée automatiquement sans validation humaine.
- Validation des entrées : les serveurs doivent valider rigoureusement tous les paramètres reçus pour prévenir les attaques par injection.
- Méfiance par défaut : les descriptions d’outils fournies par les serveurs doivent être considérées comme non fiables, sauf si le serveur est explicitement approuvé et vérifié.
- Sandboxing : les outils doivent opérer dans des environnements isolés avec des permissions minimales. Exécuter des serveurs MCP locaux dans un sandbox restreint l’accès au contenu autorisé.
- Authentification OAuth 2.1 : obligatoire pour les serveurs distants, avec PKCE (Proof Key for Code Exchange) requis dans les contextes où les clients ne peuvent pas stocker des secrets en toute sécurité.
A ne pas faire : brancher un serveur MCP tiers inconnu sans vérifier son code source et ses permissions. Utiliser un serveur MCP avec un accès en écriture sur votre base de production sans sandbox. Activer des serveurs MCP inutilisés : chaque serveur connecté élargit la surface d’attaque potentielle. |
L'écosystème MCP en 2026 : les serveurs disponibles et les outils compatibles
Les serveurs MCP les plus utilisés en 2026
Selon les statistiques communautaires de 2025, voici les serveurs MCP les plus populaires :
Serveur MCP | Ce qu’il expose | Pour qui |
GitHub | Accès aux repositories, issues, pull requests, commits | Développeurs, équipes produit |
Google Drive | Lecture, recherche et gestion de fichiers Drive | Toutes entreprises utilisant G Suite |
Slack | Lecture de messages, envoi de notifications | Équipes collaboratives |
PostgreSQL | Requêtes SQL en langage naturel sur votre base de données | Analystes, développeurs back-end |
Filesystem | Accès sécurisé au système de fichiers local | Développeurs, automatisation locale |
Brave Search | Recherche web en temps réel depuis l’IA | Recherche, veille, journalisme |
Puppeteer | Automatisation de navigateur web | Tests, scraping, automatisation |
Notion | Lecture et écriture dans les pages et bases Notion | Knowledge management, documentation |
Stripe | Consultation des paiements et abonnements | E-commerce, SaaS |
Les outils et IA compatibles MCP en 2026
- Applications IA : Claude Desktop, ChatGPT Desktop (OpenAI), Google Gemini (en cours)
- Environnements de développement : Cursor, VS Code avec GitHub Copilot, JetBrains, Zed, Replit, Windsurf
- Frameworks IA : LangChain, Hugging Face, Deepset, LlamaIndex, CrewAI, BeeAI
- Cloud providers : AWS, Azure, Google Cloud supportent désormais MCP nativement
- Chiffres clés (février 2026) : plus de 13 000 serveurs publiés sur GitHub, 97 millions de téléchargements mensuels des SDK, 75+ connecteurs natifs dans Claude
Pour commencer avec le MCP sur Claude Desktop : (1) téléchargez Claude Desktop sur anthropic.com ; (2) ouvrez les paramètres > Développeur > Modifier la configuration ; (3) ajoutez la configuration JSON du serveur MCP souhaité (disponible sur GitHub de chaque serveur) ; (4) redémarrez Claude Desktop. Le serveur est immédiatement disponible dans vos conversations. |
MCP et visibilité dans les IA : ce que les entreprises doivent anticiper
Le MCP est au coeur d’un changement de paradigme plus profond : le passage des IA comme outils conversationnels aux IA comme agents opérateurs capables d’agir dans le monde numérique.
Le MCP redéfinit la façon dont les entreprises interagissent avec l'IA
Avant le MCP, une IA répondait à des questions. Avec le MCP, une IA peut :
- Consulter votre agenda, identifier les créneaux communs et envoyer des invitations
- Analyser vos ventes, générer un rapport et l’envoyer par email
- Lire les retours clients, créer des tickets et mettre à jour le CRM
- Déployer du code, lancer des tests et notifier l’équipe sur Slack
La transition est comparable à celle du web statique (pages consultables) au web dynamique (applications interactives). Le MCP donne à l’IA la capacité d’interaction que le web dynamique a donné aux sites.
MCP et SEO / GEO : comment cette technologie impacte la visibilité de votre contenu
Pour les créateurs de contenu et les éditeurs, le MCP a une implication concrète : les IA génératives connectées via MCP à des moteurs de recherche (Brave Search, Perplexity) ou à des bases de connaissances peuvent citer directement les sources consultées en temps réel, avec un niveau de précision et de contextualisation bien supérieur à ce que permettait la simple indexation.
Ce que cela signifie en pratique : un contenu bien structuré, avec des définitions claires, des données sourcées et une hiérarchie H1/H2/H3 cohérente, est plus facilement extrait et cité par les agents IA connectés via MCP. C’est exactement la convergence entre le SEO technique et le GEO (Generative Engine Optimization).
Pour comprendre comment optimiser votre contenu pour les IA génératives, notre guide SEO vs GEO : les différences et notre article qu’est-ce que le GEO posent les bases. Pour mesurer votre visibilité actuelle dans les IA, notre guide comment mesurer son score GEO présente les outils disponibles.
FAQ : les 10 questions les plus posées sur le MCP en 2026
Qu'est-ce que le MCP en IA ?
Le MCP (Model Context Protocol) est un protocole open source créé par Anthropic en novembre 2024. Il standardise la façon dont les modèles d’IA comme Claude, ChatGPT ou Gemini se connectent à des outils et sources de données externes (GitHub, Google Drive, bases de données, Slack…). C’est une sorte de port USB-C universel pour les IA.
MCP a-t-il été créé uniquement pour Claude ?
Non. Bien qu’Anthropic l’ait créé en novembre 2024, le MCP est un standard ouvert adopté par OpenAI (mars 2025), Google DeepMind (avril 2025) et Microsoft (mai 2025). En décembre 2025, Anthropic en a cédé la gouvernance à l’Agentic AI Foundation (Linux Foundation), cofondée avec OpenAI, Google, AWS, Microsoft et Bloomberg.
Quelle est la différence entre MCP et une API classique ?
Une API classique nécessite une intégration spécifique pour chaque combinaison modèle IA + service. Le MCP standardise cette communication : un serveur MCP peut être utilisé par n’importe quel client MCP compatible. C’est le passage du problème M×N (M modèles x N outils = M×N intégrations) au problème M+N (M clients + N serveurs).
Faut-il être développeur pour utiliser le MCP ?
Pour utiliser des serveurs MCP déjà publiés (GitHub, Google Drive, Slack…), non. Des interfaces comme Claude Desktop ou Cursor permettent de brancher des serveurs MCP en quelques clics. Pour créer son propre serveur MCP, il faut des compétences en Python ou TypeScript.
Quels sont les risques de sécurité du MCP ?
Une étude académique d’avril 2025 a identifié plusieurs risques : injections de code via les connecteurs MCP, exfiltration de données, et attaques ‘rug pull’ (un serveur fiable qui devient malveillant après mise à jour). Les bonnes pratiques : utiliser uniquement des serveurs vérifiés, valider les entrées, opérer dans des environnements sandboxés et exiger un consentement explicite avant chaque action.
Combien de serveurs MCP existent aujourd'hui ?
En février 2026, l’écosystème MCP compte plus de 13 000 serveurs publiés sur GitHub. Les SDK officiels (Python et TypeScript principalement) totalisent plus de 97 millions de téléchargements mensuels. Claude intègre un répertoire de plus de 75 connecteurs natifs.
Le MCP fonctionne-t-il avec ChatGPT ?
Oui. OpenAI a intégré le MCP dans son Agents SDK, son API Responses et l’application ChatGPT Desktop en mars 2025. Sam Altman a déclaré simplement ‘People love MCP’ lors de l’annonce.
Quelle est la différence entre le MCP et le RAG ?
Le RAG (Retrieval Augmented Generation) injecte des documents dans le contexte du modèle avant la génération. Le MCP va plus loin : il permet au modèle d’appeler des outils en temps réel, d’interroger des bases de données, d’exécuter des actions et de recevoir des données fraîches. Les deux approches sont complémentaires, pas concurrentes.
Qu'est-ce qu'un serveur MCP et comment en installer un ?
Un serveur MCP est un programme qui expose des outils (actions) et des ressources (données) à un modèle d’IA via le protocole MCP. Sur Claude Desktop, vous pouvez en ajouter via la configuration JSON ou la commande ‘claude mcp add’. Des serveurs officiels existent pour GitHub, Google Drive, Slack, PostgreSQL, Puppeteer et des dizaines d’autres services.
Le MCP est-il gratuit et open source ?
Oui, le protocole MCP est entièrement open source. La spécification et les SDK de référence sont disponibles sur GitHub. Certains serveurs MCP commerciaux ou services ‘MCP as a Service’ peuvent être payants, mais le protocole lui-même est libre d’utilisation.