MCP + SQLite : transformer vos données statiques en base de connaissances IA

De la donnée figée au contexte vivant : le tournant de 2026

En juin 2026, Simon Willison a publié une expérimentation aussi simple qu'emblématique : convertir le dépôt mdn/browser-compat-data de Mozilla en une base SQLite directement interrogeable. L'idée est née de l'observation du nouveau service MCP de MDN, qui expose déjà ces données de compatibilité navigateur à des agents IA via le Model Context Protocol. Willison a voulu aller plus loin : rendre ce corpus structuré disponible localement, sans dépendance réseau, prêt à être consommé par n'importe quel outil d'IA ou pipeline de développement.

Ce geste technique, en apparence modeste, cristallise une tendance de fond que les décideurs tech ne peuvent plus ignorer en 2026. Pendant des années, des référentiels entiers - tables de compatibilité, catalogues de produits, bases réglementaires, glossaires métier - ont dormi dans des fichiers JSON, des exports CSV ou des dépôts Git, inaccessibles à la couche IA faute d'une interface structurée. Le passage à SQLite + MCP change la donne : ces corpus deviennent des bases de connaissances dynamiques, interrogeables en langage naturel par des agents, des copilotes de code ou des assistants internes.

L'objectif n'est pas de remplacer la documentation, c'est de la rendre consommable par des machines autant que par des humains - Simon Willison, juin 2026

Source : simonwillison.net/2026/Jun/24/browser-compat-db/#atom-everything

Un pattern universel : de la Bible aux specs navigateur

Ce qui rend cette approche particulièrement puissante, c'est sa généricité. Le service CrossCanon (crosscanon.com) illustre le même principe appliqué à un corpus radicalement différent : la Bible utilisée comme base RAG (Retrieval-Augmented Generation). Un texte millénaire, structuré en livres, chapitres et versets, devient une source de contexte interrogeable par des LLMs. La convergence entre ces deux exemples - données de compatibilité navigateur d'un côté, texte sacré de l'autre - n'est pas anecdotique. Elle révèle un pattern architectural universel : tout corpus textuel ou tabulaire suffisamment structuré peut être transformé en base de connaissances pour agents IA.

Corpus source	Format d'origine	Format cible	Usage IA
mdn/browser-compat-data	JSON / dépôt Git	SQLite + MCP	Agents de développement, copilotes de code
Bible (CrossCanon)	Texte structuré	Base RAG	LLMs, assistants de recherche
Référentiel réglementaire interne	PDF / Word	SQLite + MCP	Assistants conformité, audit IA
Catalogue produit e-commerce	CSV / ERP	SQLite + MCP	Agents de recommandation, support client

La leçon pour les équipes tech en 2026 est claire : la valeur ne réside plus seulement dans la donnée elle-même, mais dans la capacité à l'exposer comme contexte à des agents IA au moment où ils en ont besoin. Un référentiel interne non exposé via MCP est, du point de vue d'un agent, un référentiel inexistant.

Ce que les décideurs tech doivent systématiser dès maintenant

L'initiative de Willison n'est pas un projet de recherche isolé : c'est un signal d'alarme pour toute organisation qui accumule des données de référence sans les rendre accessibles à sa couche IA. En 2025, la plupart des expérimentations MCP portaient sur des APIs tierces ou des outils SaaS. En 2026, le front s'est déplacé vers les données internes propriétaires : référentiels de conformité, bases de connaissances produit, historiques de tickets, catalogues de composants techniques.

• Inventorier les corpus dormants : identifier tous les référentiels internes au format statique (JSON, CSV, PDF structuré, exports Git) qui contiennent une valeur métier réelle.
• Prioriser par fréquence de requête IA : les données les plus souvent demandées aux agents internes sont les premières candidates à la conversion SQLite + MCP.
• Adopter SQLite comme format pivot : léger, sans serveur, versionnable, SQLite s'impose en 2026 comme le format intermédiaire idéal entre la donnée brute et l'interface MCP.
• Exposer via MCP local avant cloud : commencer par des serveurs MCP locaux réduit les risques de sécurité et permet de valider la pertinence du contexte avant tout déploiement élargi.
• Mesurer l'impact sur la qualité des réponses IA : comparer les réponses d'agents avec et sans accès au contexte SQLite pour quantifier le gain en précision.

Le workflow initié par Willison sur browser-compat-data est reproductible en quelques heures pour n'importe quel corpus bien structuré. La vraie question en 2026 n'est plus technique - les outils existent - elle est organisationnelle : qui, dans votre équipe, est responsable de transformer vos référentiels internes en contexte IA exploitable ?

Sources : simonwillison.net/2026/Jun/24/browser-compat-db/#atom-everything et crosscanon.com