Google Analytics MCP : guide et tutoriel complet

Bannière google-analytics-mcp

Choisir une période, empiler les dimensions, comparer, exporter : obtenir une réponse précise dans Google Analytics demande souvent une dizaine de clics. Le Google Analytics MCP Server officiel change l’approche en connectant vos propriétés GA4 directement à votre assistant IA. Ce guide présente ses fonctionnalités, son installation pas à pas et des exemples concrets pour interroger votre audience en langage naturel.

Introduction

Google Analytics 4 est l’outil de référence pour mesurer l’audience d’un site ou d’une application. Le Google Analytics MCP Server, publié par Google sur le dépôt googleanalytics/google-analytics-mcp, rend ces données accessibles via le Model Context Protocol (MCP). Votre assistant IA, comme Gemini CLI, Claude Code ou Claude Desktop, peut alors répondre à une question comme « Quelles pages ont attiré le plus de visiteurs le mois dernier ? » en interrogeant lui-même vos rapports. Google présente encore le projet comme expérimental, mais il couvre déjà l’essentiel des besoins de reporting. Cet article vous propose un MCP guide complet pour en tirer parti.

🎯 Qu’est-ce que le Google Analytics MCP Server ?

Le Google Analytics MCP Server est un serveur Model Context Protocol écrit en Python et distribué sur PyPI sous le nom analytics-mcp. Il fait le pont entre votre assistant IA et deux API de Google : l’API Admin, qui décrit vos comptes et propriétés, et l’API Data, qui produit les rapports.

Le MCP protocol standardise l’échange : l’assistant choisit l’outil adapté, le serveur construit la requête vers l’API, puis renvoie des résultats que l’IA peut analyser et commenter. Les identifiants utilisés sont limités à la lecture seule : le serveur consulte vos données sans jamais modifier la configuration de vos propriétés.

Schéma : Assistant IA → Google Analytics MCP Server → API Admin et Data → Vos propriétés GA4

⚙️ Fonctionnalités principales

Le serveur expose une série d’outils qui couvrent les besoins courants d’analyse :

Comptes et propriétés : get_account_summaries liste vos comptes et propriétés, get_property_details détaille une propriété.
Liens Google Ads : list_google_ads_links affiche les comptes Google Ads associés à une propriété.
Rapports personnalisés : run_report lance un rapport via l’API Data, avec les dimensions, métriques, périodes et filtres de votre choix.
Entonnoirs : run_funnel_report analyse un parcours étape par étape pour repérer où les visiteurs décrochent.
Dimensions et métriques personnalisées : get_custom_dimensions_and_metrics récupère celles que vous avez définies sur une propriété.
Temps réel : run_realtime_report montre l’activité en cours sur votre site.
Serveur officiel : maintenu par Google, sous licence Apache 2.0.

📦 Installation et configuration

La mise en place demande un peu de préparation côté Google Cloud. Voici les étapes :

Prérequis : Python 3.10 ou plus récent, l’outil pipx, un projet Google Cloud et un compte ayant accès à vos propriétés Google Analytics.
Activer les API : dans votre projet Google Cloud, activez la Google Analytics Admin API et la Google Analytics Data API.
Configurer les identifiants : créez des identifiants par défaut (ADC) qui incluent l’accès en lecture seule à Google Analytics. Avec un client OAuth de type application de bureau, la commande ressemble à ceci :
```
gcloud auth application-default login --scopes https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform --client-id-file=VOTRE_FICHIER_CLIENT.json
```
Notez le chemin du fichier d’identifiants affiché à la fin de la commande.
Configurer votre client MCP : ajoutez le serveur à la configuration de votre client, par exemple le fichier claude_desktop_config.json pour Claude Desktop ou ~/.gemini/settings.json pour Gemini CLI :
```
{
  "mcpServers": {
    "analytics-mcp": {
      "command": "pipx",
      "args": ["run", "analytics-mcp"],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "CHEMIN_VERS_VOS_IDENTIFIANTS.json",
        "GOOGLE_PROJECT_ID": "ID_DE_VOTRE_PROJET"
      }
    }
  }
}
```
Avec Claude Code, une seule commande suffit : claude mcp add analytics-mcp --scope user -e "GOOGLE_APPLICATION_CREDENTIALS=..." -e "GOOGLE_PROJECT_ID=..." -- pipx run analytics-mcp.
Redémarrer et vérifier : relancez votre client. Dans Gemini CLI, la commande /mcp doit afficher analytics-mcp ; demandez ensuite à l’assistant ce que le serveur sait faire.

La documentation du dépôt GitHub détaille aussi l’authentification par emprunt d’identité d’un compte de service.

💡 Guide d’utilisation pratique

Une fois le serveur connecté, posez vos questions comme vous le feriez à un analyste. Quelques exemples :

Faire l’inventaire : « Quelles propriétés Google Analytics sont rattachées à mon compte ? »
Analyser le contenu : « Quelles sont les dix pages les plus vues sur les 30 derniers jours, avec leur temps d’engagement moyen ? »
Comparer des périodes : « Compare le trafic issu de la recherche organique ce mois-ci et le mois dernier. »
Suivre le temps réel : « Combien d’utilisateurs sont actifs sur le site en ce moment, et sur quelles pages ? »

L’assistant choisit l’outil adapté, construit le rapport et vous présente le résultat directement dans la conversation, avec son interprétation.

🚀 Cas d’usage et exemples

Reporting express : obtenez un bilan hebdomadaire en une phrase, sans ouvrir l’interface.
Stratégie éditoriale : repérez les contenus qui performent et ceux qui perdent du terrain.
Suivi de l’acquisition : comparez les sources de trafic et les campagnes, y compris celles reliées à Google Ads.
Optimisation des conversions : analysez un entonnoir pour identifier l’étape qui fait fuir vos visiteurs.
Duo SEO complet : associé au serveur MCP Google Search Console, il relie les requêtes qui amènent vos visiteurs à leur comportement sur le site.

⚖️ Avantages et inconvénients

Avantages	Inconvénients
Serveur officiel publié par Google	Projet encore signalé comme expérimental
Accès en lecture seule, sans risque pour votre configuration	Aucune action d’écriture (audiences, paramètres)
Rapports personnalisés, entonnoirs et temps réel	Configuration Google Cloud (API et identifiants) un peu technique
Compatible avec Gemini, Claude et tout client MCP	Exécution locale qui nécessite Python et pipx

❓ FAQ

Q : Le Google Analytics MCP Server est-il officiel ?
- R : Oui, il est publié par Google sur le dépôt googleanalytics/google-analytics-mcp, sous licence Apache 2.0.
Q : Peut-il modifier mes propriétés Google Analytics ?
- R : Non. Les identifiants utilisés sont limités à la lecture seule : le serveur consulte vos données sans rien modifier.
Q : Fonctionne-t-il avec Universal Analytics ?
- R : Non. Il s’appuie sur les API Admin et Data, conçues pour les propriétés Google Analytics 4. Universal Analytics n’est de toute façon plus en service.
Q : Avec quels assistants est-il compatible ?
- R : Avec Gemini CLI, Gemini Code Assist, Claude Code, Claude Desktop et tout client compatible MCP.
Q : Est-ce payant ?
- R : Le serveur est gratuit et open source. Les API de Google Analytics appliquent toutefois des quotas d’utilisation, à garder en tête pour les analyses intensives.

🎊 Conclusion et recommandations

Le Google Analytics MCP Server transforme l’analyse d’audience en conversation : plus besoin de maîtriser chaque menu de GA4 pour obtenir une réponse chiffrée. Son accès en lecture seule en fait un outil sûr, idéal pour les éditeurs de sites, les équipes marketing et les consultants SEO. Pour une vision complète, associez-le au serveur MCP Google Search Console et retrouvez-le dans notre annuaire des serveurs MCP.

Essayez le Google Analytics MCP Server dès aujourd’hui ! Consultez le repository GitHub pour commencer.

Google Analytics MCP : guide et tutoriel