Comment connecter Claude à GA4 via MCP ?

Réponse rapide : vous pouvez connecter Claude à GA4 en configurant un serveur MCP Google Analytics qui donne à Claude un accès direct aux données de votre propriété. Le processus prend 20 à 30 minutes et nécessite un compte de service Google Cloud, l'API GA4 Data activée et un fichier de configuration MCP local. Une fois la connexion établie, Claude peut exécuter des requêtes, repérer des tendances et générer des rapports hebdomadaires à partir de vos données analytics en direct.

Extraire des enseignements de GA4 implique généralement de se connecter, de parcourir les rapports, d'exporter des CSV, puis d'essayer de donner du sens aux chiffres. C'est lent, et on est tenté de s'en passer.

Connecter Claude à GA4 via MCP (Model Context Protocol) change la donne. Vous donnez à Claude un accès direct à vos données analytics et vous lui posez vos questions en langage courant. Ce guide couvre toute la configuration : l'authentification, vos premières requêtes et une série de prompts hebdomadaires conçus pour les équipes B2B SaaS.

Qu'est-ce que MCP et pourquoi est-ce important pour GA4 ?

MCP (Model Context Protocol) est un standard ouvert qui permet à des modèles d'IA comme Claude de se connecter à des sources de données et à des outils externes. Au lieu de copier les données dans une fenêtre de chat, Claude les lit directement à la source.

Pour GA4 en particulier, MCP signifie que Claude peut interroger votre propriété analytics en temps réel. Vous pouvez demander « quels canaux d'acquisition ont généré le plus d'inscriptions à l'essai le mois dernier ? » et obtenir une réponse tirée de vos données réelles, pas d'un modèle générique.

Pourquoi c'est important pour les équipes B2B SaaS :

Plus d'exports manuels de rapports
Analystes comme non-analystes obtiennent rapidement des réponses
Claude peut repérer des schémas sur plusieurs dimensions à la fois
Le reporting hebdomadaire devient un prompt, plus un projet

Ce qu'il vous faut avant de commencer

Avant de toucher aux fichiers de configuration, assurez-vous d'avoir les éléments suivants :

Une propriété Google Analytics 4 qui reçoit des données
Un compte Google Cloud (l'offre gratuite suffit)
Claude Desktop installé sur votre machine
Node.js installé (version 18 ou supérieure)
Une aisance de base avec les commandes du terminal et l'édition de fichiers JSON

Si vous utilisez Claude via l'API plutôt que Claude Desktop, la configuration du serveur MCP est différente. Ce guide couvre la méthode avec Claude Desktop.

Étape 1 : créer un projet Google Cloud

Rendez-vous sur console.cloud.google.com
Cliquez sur Sélectionner un projet en haut, puis sur Nouveau projet
Donnez-lui un nom facilement reconnaissable, par exemple « Claude GA4 MCP »
Cliquez sur Créer et attendez que le projet soit provisionné

Si vous avez déjà un projet Google Cloud connecté à votre propriété GA4, vous pouvez l'utiliser à la place. Créer un projet distinct permet de garder des autorisations bien séparées.

Étape 2 : activer l'API Google Analytics Data

Dans votre nouveau projet, accédez à API et services > Bibliothèque
Recherchez « Google Analytics Data API »
Cliquez sur le résultat, puis sur Activer

C'est l'API qui permet d'accéder par programmation aux données de rapport GA4. Sans elle, le serveur MCP ne peut pas lire votre propriété.

Étape 3 : créer un compte de service

Un compte de service est une identité Google non humaine que le serveur MCP utilise pour s'authentifier auprès de GA4. C'est la bonne approche pour un outil local, car elle évite de vous réauthentifier via OAuth à chaque session.

Allez dans API et services > Identifiants
Cliquez sur Créer des identifiants > Compte de service
Donnez-lui un nom tel que « claude-ga4-reader »
Cliquez sur Créer et continuer
À l'étape du rôle, ne choisissez aucun rôle (vous accorderez l'accès au niveau de GA4)
Cliquez sur Terminé

Générez ensuite une clé pour ce compte de service :

Cliquez sur votre nouveau compte de service dans la liste
Ouvrez l'onglet Clés
Cliquez sur Ajouter une clé > Créer une clé
Choisissez JSON et cliquez sur Créer
Un fichier JSON est téléchargé sur votre machine. Conservez-le en lieu sûr : c'est votre identifiant d'authentification.

Étape 4 : donner au compte de service l'accès à votre propriété GA4

Le compte de service existe dans Google Cloud, mais GA4 ne le connaît pas encore. Vous devez l'ajouter comme utilisateur dans GA4.

Ouvrez analytics.google.com
Allez dans Admin > Gestion des accès à la propriété
Cliquez sur le bouton + et sélectionnez Ajouter des utilisateurs
Saisissez l'adresse e-mail du compte de service (elle ressemble à claude-ga4-reader@your-project.iam.gserviceaccount.com)
Définissez le rôle sur Lecteur
Cliquez sur Ajouter

Un accès Lecteur suffit pour des requêtes en lecture seule. N'accordez pas l'accès Éditeur ou Administrateur sans raison précise.

Étape 5 : noter l'ID de votre propriété GA4

Il vous faut l'ID de votre propriété GA4 pour indiquer au serveur MCP à quelle propriété se connecter.

Dans GA4, allez dans Admin > Paramètres de la propriété
Copiez l' ID de propriété (une valeur numérique, par exemple 123456789)

Gardez-le sous la main pour l'étape suivante.

Étape 6 : installer le serveur MCP Google Analytics

Ouvrez votre terminal et exécutez :

npm install -g @modelcontextprotocol/server-google-analytics

Si ce paquet n'est pas disponible dans votre registre npm, l'option maintenue par la communauté et utilisée par la plupart des équipes est celle de insightfulpipe.com. Consultez cette ressource pour connaître le nom exact du paquet et les mises à jour de version, car l'écosystème MCP évolue vite.

Vous pouvez aussi cloner et exécuter directement un serveur MCP local :

git clone https://github.com/[repo-name]/ga4-mcp-server
cd ga4-mcp-server
npm install

Étape 7 : configurer Claude Desktop pour utiliser le serveur MCP

Claude Desktop utilise un fichier de configuration pour savoir quels serveurs MCP charger. Vous devez modifier ce fichier pour ajouter votre serveur GA4.

Trouvez le fichier de configuration :

macOS : ~/Library/Application Support/Claude/claude_desktop_config.json
Windows : %APPDATA%\Claude\claude_desktop_config.json

Ouvrez le fichier dans n'importe quel éditeur de texte. S'il n'existe pas, créez-le.

Ajoutez la configuration de votre serveur MCP GA4 :

{
  "mcpServers": {
    "google-analytics": {
      "command": "node",
      "args": ["/path/to/your/ga4-mcp-server/index.js"],
      "env": {
        "GA4_PROPERTY_ID": "123456789",
        "GOOGLE_APPLICATION_CREDENTIALS": "/path/to/your/service-account-key.json"
      }
    }
  }
}

Remplacez les espaces réservés :

/path/to/your/ga4-mcp-server/index.js par le chemin réel du fichier du serveur
123456789 par l'ID réel de votre propriété GA4
/path/to/your/service-account-key.json par le chemin de la clé JSON téléchargée à l'étape 3

Enregistrez le fichier.

Étape 8 : redémarrer Claude Desktop et tester la connexion

Quittez complètement Claude Desktop (ne vous contentez pas de fermer la fenêtre)
Rouvrez-le
Repérez un indicateur d'outils ou de MCP dans l'interface (il confirme que le serveur est chargé)

Testez la connexion avec un prompt simple :

"Using the GA4 MCP tool, show me sessions and users for the last 7 days."

Si Claude renvoie de vrais chiffres issus de votre propriété, la connexion fonctionne. En cas d'erreur, vérifiez que :

Les chemins de fichiers dans votre configuration sont absolus, pas relatifs
L'e-mail du compte de service a été ajouté à GA4 avec un accès Lecteur
L'API Google Analytics Data est activée dans votre projet Cloud
Node.js est accessible depuis le chemin que Claude utilise pour exécuter les commandes

Exécuter vos premières requêtes GA4 avec Claude

Une fois la connexion établie, vous pouvez demander à Claude d'exécuter des requêtes GA4 en langage courant. Claude traduit votre demande au format de l'API GA4 Data, récupère les données et renvoie une réponse structurée.

Requêtes de base pour commencer :

« Quelles ont été mes 10 principales landing pages par sessions le mois dernier ? »
« Montre-moi le taux de conversion par source de trafic sur les 30 derniers jours »
« Quels pays ont envoyé le plus d'utilisateurs au T2 ? »
« Quelle est la durée moyenne de session par catégorie d'appareil ? »

Pour le B2B SaaS en particulier :

« Combien d'utilisateurs ont réalisé l'événement d'inscription à l'essai ces 14 derniers jours, par canal d'acquisition ? »
« Quel est le taux d'abandon entre la page de tarifs et la page d'inscription ? »
« Montre-moi les sessions des utilisateurs récurrents par rapport à celles des nouveaux utilisateurs, semaine après semaine, sur les 8 dernières semaines »

Claude peut aussi combiner dimensions et métriques d'une manière que l'interface standard de GA4 rend laborieuse. Demandez-lui de croiser la source d'acquisition avec le taux d'engagement, ou de comparer deux périodes côte à côte. Si la recherche organique est un canal de croissance clé pour votre équipe, il peut aussi être utile de comparer vos workflows de reporting avec la manière dont les meilleures équipes SaaS travaillent avec des agences SEO spécialisées en B2B SaaS.

Prompts hebdomadaires pour les équipes B2B SaaS

L'un des usages à plus forte valeur de cette intégration consiste à remplacer votre revue analytics hebdomadaire manuelle par une routine de prompts structurée. Lancez-les chaque lundi matin.

Prompt 1 : synthèse du trafic et de l'acquisition

"Pull last week's sessions, new users, and returning users. Break sessions down by channel group. Compare to the previous week and flag any channel that changed by more than 15% in either direction."

Prompt 2 : contrôle du funnel de conversion

"Show me the completion rate for [your key conversion event] last week versus the week before. Then show me the top 3 pages users visited before completing that event."

Prompt 3 : performance des contenus

"Which 5 pages had the highest engaged sessions last week? Which 5 had the lowest engagement rate with more than 100 sessions? Summarise what that pattern suggests."

Prompt 4 : comparaison payant et organique

"Compare sessions and conversion events from organic search versus paid search over the last 4 weeks. Show week-by-week. Identify the trend direction for each."

Prompt 5 : détection d'anomalies

"Look at daily sessions for the last 30 days. Identify any days where sessions were more than 20% above or below the 30-day average. List the dates and the percentage deviation."

Enregistrez-les dans un fichier texte ou dans un prompt de Claude Project. Les lancer tous les cinq prend moins de 5 minutes et vous donne une vision hebdomadaire complète sans ouvrir GA4 une seule fois. Si vous souhaitez transformer ces enseignements en plan de demand gen plus large, il peut aussi être utile de comparer les approches des agences de performance marketing B2B SaaS, des agences PPC B2B SaaS ou des agences de content marketing B2B SaaS.

Erreurs de configuration courantes et comment les corriger

Erreur : « MCP server failed to start »
Vérifiez que le chemin du fichier dans votre claude_desktop_config.json est correct et absolu. Les chemins relatifs ne fonctionnent pas.

Erreur : « Permission denied on GA4 property »
L'e-mail du compte de service n'a pas été ajouté à GA4, ou il a été ajouté à la mauvaise propriété. Vérifiez que l'adresse e-mail correspond exactement.

Erreur : « Google Analytics Data API not enabled »
Retournez dans la console Google Cloud et vérifiez que l'API est activée pour le bon projet. Le compte de service et l'API doivent se trouver dans le même projet.

Erreur : « Invalid property ID »
Vérifiez que vous utilisez l'ID de propriété numérique de l'Admin GA4, et non l'ID de mesure (qui commence par G-).

FAQ

À quoi sert le serveur MCP Google Analytics pour Claude ?
Le serveur MCP Google Analytics est un processus local qui connecte Claude Desktop à votre propriété GA4 via l'API Google Analytics Data. Il repose sur le standard Model Context Protocol : Claude peut ainsi lire directement vos données analytics et répondre à vos questions, sans aucun export manuel.

Ai-je besoin de compétences en programmation pour connecter Claude à GA4 ?
Il faut être à l'aise avec les commandes du terminal et la modification d'un fichier JSON. Le processus n'exige pas d'écrire du code, mais vous devez exécuter des commandes npm, créer un compte de service dans Google Cloud et modifier un fichier de configuration. La plupart des professionnels du B2B SaaS ayant un minimum de bagage technique peuvent le faire en moins de 30 minutes.

Connecter Claude à mes données GA4 est-il sûr ?
Oui, à condition que la configuration soit correcte. Le compte de service utilise un accès Viewer en lecture seule : Claude ne peut donc modifier ni votre propriété GA4 ni vos données. Les identifiants restent sur votre machine, dans le fichier de configuration. Ne publiez jamais la clé JSON de votre compte de service dans un dépôt public.

Puis-je l'utiliser avec Claude via l'API plutôt qu'avec Claude Desktop ?
L'approche par serveur MCP décrite ici est conçue pour Claude Desktop. Si vous utilisez directement l'API Claude, vous pouvez transmettre les données GA4 sous forme de résultats d'appel d'outil dans votre propre application, mais cela demande un développement sur mesure, et non la configuration par fichier décrite ci-dessus.

En quoi est-ce différent de l'utilisation de Windsor.ai pour connecter GA4 à Claude ?
Windsor.ai est un connecteur no-code qui synchronise les données GA4 avec Claude sans aucune installation locale. L'approche MCP décrite ici s'exécute en local, vous donne plus de contrôle sur les données auxquelles Claude accède et ne nécessite pas de service tiers payant. En contrepartie, la configuration initiale du MCP prend plus de temps.

À quelles données GA4 Claude peut-il accéder via MCP ?
Claude peut accéder à toutes les données disponibles via l'API de données GA4 : sessions, utilisateurs, événements, conversions, indicateurs d'engagement, sources de trafic, données par page, ainsi que les dimensions ou événements personnalisés configurés dans votre propriété. Avec cette méthode, il ne peut pas accéder aux données brutes au niveau de l'événement issues des exports BigQuery.