Comment nous utilisons l'IA pour rédiger notre propre blog — Better i18n MCP Content en action

Cet article de blog a été rédigé, traduit et publié sans jamais ouvrir un navigateur. Pas de tableau de bord CMS. Pas d'éditeur WYSIWYG. Pas de copier-coller entre des fichiers de traduction.

Chaque mot que vous lisez a été créé via @better-i18n/mcp-content — notre serveur MCP (Model Context Protocol) qui transforme les assistants de codage IA en systèmes de gestion de contenu complets. Nous l'utilisons pour gérer notre propre blog, et cet article explique exactement comment.

Qu'est-ce que MCP Content ?

MCP est un protocole ouvert qui permet aux assistants IA (Claude, Cursor, Windsurf, et autres) d'interagir avec des services externes via des appels d'outils standardisés. Imaginez-le comme des APIs pour l'IA — mais au lieu de points de terminaison REST, vous obtenez des outils que les agents IA peuvent découvrir, comprendre et utiliser de manière autonome.

@better-i18n/mcp-content est notre serveur MCP pour la gestion de contenu. Il expose des outils pour :

• Les modèles de contenu — Définir des types de contenu structurés (articles de blog, entrées de changelog, pages de documentation)
• Les entrées — Créer, mettre à jour, traduire et publier des entrées de contenu
• Les champs — Champs personnalisés avec des types (texte, nombre, booléen, date, relation, média)
• La traduction — Contenu multilingue avec localisation par champ
• La publication — Flux de travail brouillon/publié avec historique des versions

Lorsque vous connectez ce serveur à votre assistant IA, celui-ci acquiert la capacité de gérer l'intégralité de votre pipeline de contenu via le langage naturel. Pour les équipes nouvelles dans le domaine de la localisation et de l'internationalisation, notre guide sur les fondamentaux de la localisation logicielle fournit des bases utiles sur les concepts qui sous-tendent ces flux de travail.

La configuration

Voici comment nous avons configuré MCP Content pour le blog de notre site vitrine :

1. Installer le serveur MCP

// .claude/mcp.json (ou le fichier de config MCP de votre assistant IA)
{
  "mcpServers": {
    "better-i18n-content": {
      "command": "npx",
      "args": ["-y", "@anthropic-ai/better-i18n-content-mcp@latest"],
      "env": {
        "BETTER_I18N_API_KEY": "your-api-key"
      }
    }
  }
}

C'est toute la configuration. Pas de base de données à configurer, pas de fichiers de schéma à écrire, pas de pipeline de déploiement à mettre en place.

2. Définir le modèle de contenu

Nous avons demandé à Claude de créer notre modèle d'article de blog :

« Crée un modèle de contenu blog-posts avec les champs author (relation vers les utilisateurs), category (relation vers les catégories de blog), featured (booléen) et read_time (nombre). »

En coulisses, Claude a appelé les outils createContentModel et addField pour construire le schéma. Le modèle était prêt en quelques secondes.

3. Rédiger le contenu

C'est là que les choses deviennent intéressantes. Au lieu d'ouvrir un tableau de bord CMS et de remplir des champs de formulaire, nous décrivons simplement ce que nous voulons :

« Rédige un article de blog comparant Better i18n avec Crowdin et Lokalise. Sois honnête — reconnais les points où les concurrents sont plus forts. Cible les développeurs qui évaluent des plateformes de localisation. »

Claude rédige l'intégralité du contenu en markdown, définit les métadonnées (auteur, catégorie, tags, temps de lecture) et appelle createContentEntry pour le sauvegarder. Nous examinons le résultat dans notre terminal, demandons des modifications si nécessaire, et approuvons.

4. Traduire

« Traduis l'article de blog comparatif en turc, allemand et français. »

Claude lit le contenu source, traduit chaque champ (titre, corps, extrait) et appelle updateContentEntry avec les traductions. Les termes du glossaire sont respectés automatiquement — les noms de marques restent non traduits, les termes techniques utilisent les traductions approuvées.

5. Publier

« Publie tous les articles de blog en brouillon. »

Claude appelle bulkPublishEntries et chaque entrée approuvée est mise en ligne. Le contenu est disponible via notre API immédiatement.

Pourquoi ce flux de travail fonctionne

Rapidité

Rédiger un article de blog de 2 000 mots via un CMS traditionnel implique :

1. Ouvrir le tableau de bord CMS (5 secondes)
2. Naviguer vers le type de contenu (3 secondes)
3. Cliquer sur « Nouvelle entrée » (2 secondes)
4. Remplir les champs de métadonnées un par un (30 secondes)
5. Rédiger ou coller le contenu dans un éditeur WYSIWYG (variable)
6. Formater les titres, blocs de code, tableaux (2-5 minutes)
7. Sauvegarder le brouillon (2 secondes)
8. Prévisualiser (5 secondes)
9. Publier (3 secondes)

Avec MCP Content, le même processus est :

1. Décrire ce que vous voulez (10 secondes)
2. Examiner le résultat (30 secondes)
3. Dire « publie » (2 secondes)

L'IA s'occupe des métadonnées, du formatage et des appels API. Vous vous concentrez sur la direction du contenu et la révision qualitative.

Cohérence

Lorsqu'un humain remplit des formulaires CMS, des incohérences s'accumulent. Les tags sont orthographiés différemment d'un article à l'autre. Les temps de lecture sont estimés de manière inconstante. Les extraits varient en longueur et en ton.

Lorsqu'une IA crée des entrées via une API structurée, chaque champ suit le même modèle. L'IA calcule le temps de lecture à partir du nombre de mots. Elle génère des extraits correspondant à la longueur cible. Elle applique un formatage de tags cohérent.

Qualité des traductions

Les flux de travail de traduction de contenu traditionnels impliquent :

1. Exporter le contenu source
2. L'envoyer aux traducteurs (ou le faire passer par un outil de traduction)
3. Importer le contenu traduit
4. Vérifier les problèmes de formatage
5. Corriger le markdown cassé, les liens manquants, les mauvaises métadonnées

MCP Content gère la traduction en ligne. L'IA lit le markdown source, comprend la structure (titres, blocs de code, tableaux, liens) et traduit le texte tout en préservant le formatage. Pas de cycle export/import. Pas de markdown cassé. Pour les équipes qui souhaitent comprendre les facteurs de qualité qui rendent les traductions IA fiables, notre article sur le contexte dans les traductions explique comment l'application du glossaire et le contexte structuré contribuent à un résultat précis.

Contrôle de version

Chaque modification via MCP Content est versionnée. Vous pouvez voir qui a changé quoi, quand et pourquoi. L'historique des versions affiche la différence complète entre les versions — y compris les modifications de traduction.

C'est la même piste d'audit que vous attendriez d'un flux de travail basé sur Git, mais pour le contenu. Pas de commits à gérer, pas de conflits de fusion à résoudre.

L'architecture technique

Pour les curieux de la technique, voici comment MCP Content fonctionne sous le capot :

Assistant IA (Claude/Cursor)
    ↓ Protocole MCP (stdio/SSE)
Serveur MCP Content (@better-i18n/mcp-content)
    ↓ API REST
API de la plateforme Better i18n
    ↓ Base de données
PostgreSQL (contenu, traductions, versions)
    ↓ CDN
Cloudflare R2 + Workers (livraison)

Stockage du contenu

Le contenu est stocké dans PostgreSQL avec un schéma flexible :

• Les modèles de contenu définissent la structure (champs, types, exigences)
• Les entrées de contenu contiennent le contenu réel avec des traductions par langue
• Les valeurs de champs personnalisés sont stockées en JSONB, prenant en charge tout type de champ
• Les versions suivent chaque modification avec des métadonnées de différence

Livraison

Le contenu publié est servi via Cloudflare Workers avec mise en cache en périphérie. Le SDK fournit un accès type-safe aux entrées de contenu avec résolution automatique des locales.

Outils MCP

Le serveur expose plus de 15 outils organisés par domaine :

Modèles : listContentModels, getContentModel, createContentModel, addField, updateField

Entrées : listContentEntries, getContentEntry, createContentEntry, updateContentEntry, deleteContentEntry

Publication : publishContentEntry, bulkPublishEntries, duplicateContentEntry

Chaque outil possède une définition JSON Schema qui indique exactement à l'assistant IA quels paramètres sont disponibles, quels types ils attendent, et à quoi ressemble la réponse. L'IA peut découvrir et utiliser ces outils sans aucune invite personnalisée.

Le dogfooding en pratique

Nous utilisons MCP Content pour notre propre blog depuis février 2026. Voici les vrais chiffres :

• 6 articles de blog créés et publiés (dont celui-ci)
• 14 langues prises en charge dans le contenu
• Zéro temps passé dans un tableau de bord CMS
• Temps de création moyen : 3 minutes par article (y compris les métadonnées et la révision)
• Temps de traduction moyen : 45 secondes par langue par article

Ce flux de travail a fondamentalement changé notre façon de concevoir le contenu. Au lieu que « je dois rédiger un article de blog » soit une tâche de 2 heures (rédiger, formater, télécharger, traduire, publier), c'est une conversation de 15 minutes avec un assistant IA. Si vous voulez voir comment cela s'intègre dans une configuration de framework plus large, notre guide complet Next.js i18n pour 2026 montre comment connecter des traductions livrées par CDN en parallèle de votre pipeline de contenu.

Limitations et compromis honnêtes

MCP Content n'est pas pour tout le monde. Voici les cas où un CMS traditionnel reste meilleur :

Édition visuelle du contenu

Si votre contenu repose fortement sur la mise en page visuelle — blocs personnalisés, widgets intégrés, positionnement par glisser-déposer — un CMS traditionnel avec un éditeur visuel est préférable. MCP Content fonctionne avec le markdown, ce qui est idéal pour le contenu à forte teneur en texte, mais limité pour les flux de travail axés sur le visuel.

Équipes de contenu non techniques

MCP Content nécessite un assistant de codage IA (Claude Code, Cursor, etc.). Si votre équipe de contenu n'utilise pas ces outils, un CMS traditionnel avec un éditeur web est plus accessible.

Contenu riche en médias

Les téléchargements d'images, les intégrations vidéo et la gestion des ressources sont plus simples dans un CMS visuel. MCP Content prend en charge les champs médias, mais s'appuie sur des URLs plutôt que sur des flux de téléchargement direct.

Flux d'approbation complexes

Si vous avez besoin d'une approbation en plusieurs étapes (rédacteur → éditeur → réviseur → éditeur), les plateformes CMS traditionnelles disposent de moteurs de flux de travail plus matures. MCP Content a des états brouillon/publié mais pas d'approbation en plusieurs étapes.

Ce qui vient ensuite

Nous développons activement MCP Content sur la base de notre propre usage et des retours des premiers utilisateurs :

• Publication planifiée — Définissez une date de publication et l'entrée est mise en ligne automatiquement
• Relations entre contenus — Liez des entrées entre les modèles (par exemple, article de blog → auteur → équipe)
• Notifications par webhook — Déclenchez des rebuilds ou des notifications lorsque le contenu change
• Optimisation des images — Redimensionnement automatique et conversion de format pour les champs médias
• Aperçu du contenu — Générez des URLs de prévisualisation pour le contenu en brouillon

Avant de passer en production avec un pipeline de contenu, il vaut la peine d'effectuer un test i18n approfondi pour détecter les clés manquantes, les règles de pluralisation incorrectes et les cas limites de formatage dans toutes vos langues cibles.

Essayez-le vous-même

MCP Content est disponible dès aujourd'hui dans le cadre de Better i18n. Si vous utilisez déjà Better i18n pour les traductions, la gestion de contenu est incluse sans frais supplémentaires.

# Ajoutez à la configuration MCP de votre assistant IA
npx @anthropic-ai/better-i18n-content-mcp@latest

Commencez par un modèle de contenu simple — un changelog, un blog ou une page de documentation. Laissez l'IA créer, traduire et publier votre contenu. Vous n'ouvrirez peut-être plus jamais un tableau de bord CMS.

Ressources connexes

• Documentation MCP Content — Référence API complète et guide de configuration
• Outils de traduction MCP — Gestion des traductions via MCP
• Better i18n vs Crowdin vs Lokalise — Comparaison des plateformes
• Comment Better i18n améliore les flux de travail de localisation — Un regard approfondi sur les améliorations de flux de travail que cette approche permet
• Localisation axée sur les développeurs en 2026 — Pourquoi les outils axés sur les développeurs s'imposent