MCP LinkedIn : quels serveurs choisir et comment les installer en 2026

Vous voulez qu'un assistant IA comme Claude lise des profils LinkedIn, rédige une relance ou publie un post à votre place, sans copier-coller. Un serveur MCP LinkedIn fait exactement ça : il expose vos actions LinkedIn (profils, messagerie, publication, enrichissement) à un assistant qui les appelle via le Model Context Protocol. En novembre 2026, aucun serveur n'est officiel ; sept projets tiers couvrent le marché, avec trois familles techniques très différentes et un risque CGU qui change du tout au tout selon celle que vous choisissez. Cet article pose le tableau comparatif chiffré, la procédure d'installation Claude Desktop vérifiée serveur par serveur, et une grille de choix par rôle growth B2B.

MCP LinkedIn : c'est quoi et pourquoi il n'existe pas de serveur officiel

Un serveur MCP LinkedIn connecte un assistant IA (Claude Desktop, Claude Code, ChatGPT avec connecteurs, Cursor, Codex, Gemini CLI, Windsurf, Cline) à LinkedIn via le Model Context Protocol, le standard ouvert publié par Anthropic le 25 novembre 2024. Le serveur garde les identifiants LinkedIn de son côté et n'expose à l'assistant que des outils : rechercher un profil, envoyer un message, publier un post, lister une inbox.

LinkedIn n'en publie aucun en novembre 2026. ContentIn le résume dans son glossaire : « LinkedIn offers no official MCP server; every available option is third-party » (ContentIn, 2026-10-30). Le marché s'organise donc autour de projets open-source (sur GitHub) et de vendors (ContentIn, Unipile, GTM API, Derrick) qui exposent leur propre intégration LinkedIn comme un serveur MCP.

Ce vide pèse sur la stratégie IA d'une équipe growth. Pour la cadrer sans se brûler les doigts, lisez aussi comment transformer votre stratégie B2B avec l'IA, et notre State of AI Marketing 2026 pour voir ce que font vraiment les équipes aujourd'hui.

Les trois familles de serveurs MCP LinkedIn en 2026

Les serveurs MCP LinkedIn se rangent en trois familles, et chaque famille hérite du plafond de ce qu'elle pilote. Le choix du serveur commence par le choix de la famille, parce que c'est la famille qui détermine le risque sur votre compte et le périmètre fonctionnel.

Famille 1, automatisation navigateur. Un driver headless se connecte à un compte LinkedIn réel avec un cookie de session (`li_at`) ou une fenêtre de login. L'avantage : lecture de tout ce que l'utilisateur voit, y compris Sales Navigator. L'inconvénient : « Un compte standard est flaggé après environ 80 à 100 vues de profils par jour » selon Derrick (2026-09-28), et LinkedIn a serré la vis sur Playwright fin 2025 (migration vers Patchright, un fork pensé pour contourner la détection de bots).

Famille 2, API officielle. Le serveur appelle les endpoints partenaires de LinkedIn via OAuth, scope `w_member_social` pour publier au nom d'un membre ; compatible CGU, prix payé en temps de dev et en approbation partenaire. Limite connue : /v2/search/people n'est pas un endpoint public documenté, donc la recherche de profils à froid n'est pas tenable en API officielle sans Marketing Developer Platform ou Sales Navigator API.

Famille 3, enrichissement natif ou bridge. Le serveur interroge des sources tierces (Unipile, GTM API, Derrick) ou passe par un aggregator (Zapier MCP, Composio) qui relaie l'action vers l'intégration LinkedIn pré-existante de la plateforme. Pas de cookie de votre côté, pas de scrap, coût en crédits ou à l'abonnement, périmètre restreint aux actions que le vendor a déjà construites.

7 serveurs MCP LinkedIn comparés en 2026

Aucune page du top 5 ne met ces sept projets côte à côte avec authentification, licence, prix de départ et posture CGU. Voici la vue chiffrée, à jour du 2026-11-10.

Lecture rapide : la famille 1 (stickerdaniel) couvre le plus de surface LinkedIn mais place votre compte sous le § 8.2 des CGU. La famille 2 (Dishant27, felipfr) reste compatible mais perd la recherche de profils à froid. La famille 3 (Unipile, GTM API, Derrick, ContentIn) coûte un abonnement et renvoie la responsabilité CGU vers le vendor, moyennant un périmètre fixé d'avance.

Installer un serveur MCP LinkedIn dans Claude Desktop : procédure vérifiée

Trois étapes suffisent : créer l'authentification côté LinkedIn (cookie ou OAuth), coller un bloc JSON dans `claude_desktop_config.json`, redémarrer Claude Desktop. Le fichier de config se trouve dans `~/Library/Application Support/Claude/` sur macOS, et dans `%APPDATA%/Claude/` sur Windows. Pour un client HTTP comme Claude Code, la commande est `claude mcp add --transport http …` et le consentement se donne via `/mcp` dans la session.

Exemple famille 1 : stickerdaniel (uvx, cookie ou login local)

1. Installer uv (gestionnaire Python), puis coller ce bloc dans `claude_desktop_config.json` :

   {
     "mcpServers": {
       "mcp-server-linkedin": {
         "command": "uvx",
         "args": ["mcp-server-linkedin@latest"],
         "env": { "UV_HTTP_TIMEOUT": "300" }
       }
     }
   }

2. Au premier lancement, le serveur ouvre une fenêtre de login LinkedIn ou importe le cookie `li_at` d'un navigateur signé-in local. La session est sauvée sous `~/.linkedin-mcp/profile/`.
3. Vérifier dans Claude Desktop que les 25 outils (profils, messagerie, entreprises, offres, feed, search) apparaissent dans la liste MCP.

Rappel du README stickerdaniel : « LinkedIn's User Agreement prohibits automated access », « accounts using automated tools can be restricted or banned ». Posez un proxy avant `--login` pour éviter un checkpoint LinkedIn.

Exemple famille 3 : GTM API (HTTP hosted, consentement OAuth)

1. Créer un compte GTM API (Sandbox gratuit couvre un compte connecté).
2. Dans Claude Desktop, ajouter le serveur via la commande HTTP correspondante avec l'endpoint `https://mcp.gtm-api.com/mcp`. Le consentement se donne dans le navigateur ; aucune clé à coller côté client.
3. Pour un CLI local (Claude Code headless par exemple), utiliser `GTM_API_KEY=gtm_live_xxx npx -y @gtm-api/linkedin-mcp` et laisser le serveur gérer le token.

Côté révocation, la connexion s'annule depuis les paramètres LinkedIn du membre ou depuis le dashboard GTM API. Un access token OAuth LinkedIn vit 60 jours (`expires_in: 5184000`), le refresh passe par une nouvelle demande d'autorisation.

Ce que les CGU LinkedIn autorisent vraiment : § 8.2, § 3.1, API Terms

MCP n'est qu'un transport, ce qui compte est ce qui est branché derrière. Le détail des CGU (lu par ContentIn dans son analyse ToS, 2026-07-28) classe les usages en trois catégories.

Traduction opérationnelle : un serveur famille 1 tombe sous le § 8.2 dès qu'il automatise votre session. Un serveur famille 2 reste dans le scope `w_member_social` tant qu'il publie votre contenu et pas celui des autres. Un serveur famille 3 renvoie le risque CGU vers le vendor, mais vous restez responsable de ce que l'agent déclenche. Cette lecture n'est pas une opinion juridique ; c'est la grille que ContentIn construit à partir des clauses, et elle recoupe ce que les READMEs open-source avertissent eux-mêmes.

Pour aller plus loin sur ce que l'IA peut tenir côté LinkedIn sans casser votre reach, lisez la fin du reach gratuit sur LinkedIn.

Quel serveur MCP LinkedIn selon votre rôle growth

Le serveur à installer dépend d'abord du rôle qui l'utilisera et de la zone de risque qu'il peut assumer. Grille de choix par rôle, basée sur les familles définies plus haut.

Deux règles pratiques tombent de ce tableau. Primo, le SDR qui veut volume de prospection est servi par l'enrichissement natif, pas par le scrap ; la prospection B2B multicanale avec ciblage IA s'appuie sur ce type de source. Secundo, le créateur de contenu qui veut automatiser sa publication reste dans le scope `w_member_social`, exactement ce que notre guide stratégie de contenu LinkedIn 2026 recommande.

Les garde-fous avant de laisser un agent publier sur votre compte LinkedIn

Trois garde-fous techniques, non négociables, à poser dans tout stack MCP qui touche LinkedIn.

Preview, puis confirm. Chaque action de publication, invitation ou message est renvoyée à l'utilisateur en texte avant envoi. GTM API l'écrit sur sa page : « outward actions go through a preview → confirm step and a server-side daily-limit check before reaching LinkedIn ». Ce pattern est aussi celui que notre expertise data & IA impose dans les workflows agent branchés sur une plateforme sociale.

Rate limit configuré côté serveur. LinkedIn plafonne les invitations, les InMails, les vues de profils. Vous traitez chaque erreur de quota comme un stop, jamais comme un retry en boucle (règle rappelée verbatim par Unipile).

Pas de stockage de profils tiers. API Terms § 4.1 : « You must not capture, copy, cache, or store any Content. » Les résultats de recherche sont lus, poussés dans l'action suivante, et oubliés. Pas de base de profils cachée côté MCP, et une clé API par compte connecté, jamais une clé globale partagée avec un client MCP.

Côté pratique, Bulldozer utilise en interne ses propres outils via MCP (plus de 500 outils Bulldozer exposés comme `mcp__bulldozer__` à Claude Code, LinkedIn Ads inclus), orchestrés par des agents que notre équipe supervise. C'est la même logique qu'un MCP LinkedIn tiers, étendue à toute la pile growth, avec validation humaine avant chaque publication.

Ce qu'il faut retenir

• MCP LinkedIn est un transport, pas un produit : trois familles (navigateur, API officielle, enrichissement) décident du risque et du périmètre.
• Aucun serveur officiel LinkedIn en novembre 2026 ; sept projets sérieux se partagent le marché, dont trois open-source gratuits et quatre hosted payants.
• Un compte LinkedIn scrappé via famille 1 est flaggé autour de 80 à 100 vues de profils par jour ; une publication via `w_member_social` (famille 2 ou 3 API-backed) reste dans le scope CGU.
• Installation Claude Desktop : bloc JSON dans `claude_desktop_config.json`, redémarrage, test d'un outil ; pour Claude Code, `claude mcp add --transport http` et consentement OAuth.
• Trois garde-fous avant d'ouvrir un agent sur votre compte : preview → confirm, rate limit côté serveur, zéro stockage de profils tiers.

Un serveur MCP LinkedIn seul résout le transport ; il ne résout ni l'orchestration (quel playbook, quelle validation, quelle mesure), ni la conformité (CGU, RGPD, gouvernance IA). Si vous voulez brancher un agent IA sur LinkedIn dans votre stack growth sans opérer la plomberie vous-même, regardez Bulldozer OS : agents IA branchés sur vos outils, supervision par un expert Bulldozer, rien ne part sans validation humaine.