Anthropic marque le texte de Claude d’un filigrane invisible fondé sur SynthID-Text

14 août 2026. Anthropic détaille dans un billet comment il va marquer le texte généré par Claude. 2 août 2026. C’est la date charnière : les modèles lancés avant cette date bénéficient de la période de transition du règlement européen sur l’IA. Entre les deux. Le filigrane invisible devient une réalité technique, pas seulement juridique.

La raison d’être est réglementaire : l’AI Act européen exige des fournisseurs d’IA qu’ils marquent les contenus générés pour qu’ils soient identifiables. Anthropic, signataire du Code de pratique de l’Union, est l’un des premiers à expliquer comment il s’y prend. La méthode choisie, SynthID-Text de Google DeepMind, ne consiste pas à ajouter des caractères invisibles au texte fini — elle modifie la façon dont les mots sont choisis pendant la génération.

Une obligation européenne qui devient une fonctionnalité mondiale

Le détail le plus instructif tient en une phrase, signée Anthropic : « Nous appliquons le filigrane mondialement dès le lancement parce que nous n’avons pas encore de moyen durable de le limiter par région. » Autrement dit, une contrainte pensée pour le marché européen se retrouve appliquée à tous les utilisateurs de Claude, où qu’ils soient.

C’est logique techniquement : un filigrane fondé sur le choix des mots ne peut pas être activé ou désactivé proprement en fonction de la géolocalisation de la requête, tant que la géographie de l’utilisateur n’est pas fiable. La conséquence pratique est qu’un filigrane européen devient, de fait, un standard mondial.

Les modèles lancés avant le 2 août 2026 restent couverts par la période de transition de l’UE ; Anthropic indique travailler à les marquer « dans les prochains mois ». Les futurs modèles de Claude généreront du texte filigrané par défaut.

Ce que l’AI Act exige exactement

L’article 50 du règlement européen sur l’IA impose aux fournisseurs de systèmes d’IA générative de marquer les sorties — texte, image, audio, vidéo — dans un format lisible par machine et de les rendre détectables comme générées ou manipulées. Le texte laisse volontairement la méthode ouverte : c’est le Code de pratique signé par les fournisseurs qui fixe les modalités techniques.

Anthropic a choisi le filigrane statistique pour le texte et les métadonnées C2PA pour les images. Cette dualité n’est pas un hasard : le texte n’a pas de conteneur où loger des métadonnées signées, contrairement au PNG ou au JPEG. D’où un filigrane qui agit au moment de la génération, sur les choix de jetons, plutôt qu’après coup sur les octets.

Comment le filigrane fonctionne sans rien ajouter au texte

Le principe, hérité de SynthID-Text, tient au fonctionnement même d’un modèle de langage. Claude génère du texte en choisissant, à chaque étape, le prochain jeton le plus plausible parmi plusieurs options. La plupart de ces choix sont faiblement contraints : plusieurs mots conviendraient aussi bien.

Le filigrane change la source d’aléa de ces choix. Au lieu d’un générateur de nombres aléatoires arbitraire, le système utilise une clé secrète et quelques mots précédents pour départager les options. Chaque choix reste individuellement indistinguable d’un choix normal, mais la séquence complète laisse une empreinte statistique.

« Le filigrane utilise ces choix à faible enjeu — qui surviennent de nombreuses fois dans un texte généré — pour laisser un motif dans les réponses de Claude. Ce motif est indétectable pour le lecteur, mais détectable pour quiconque possède la clé qui l’encode », explique Anthropic. Rien n’est ajouté au texte, aucun caractère caché, aucun jeton supplémentaire, et l’impact sur la vitesse de génération est négligeable.

Il y a une exception assumée : les sorties exactes. Quand une seule réponse est correcte — une somme, un fait, un bout de code qui casserait si un terme était remplacé — le filigrane ne s’applique pas. « Une fois que le modèle a écrit “2 + 2 =”, il y a un très clair meilleur choix pour le jeton suivant », illustre l’entreprise. Le code, qui doit souvent être exact, porte donc moins de filigrane que la prose, sauf dans ses parties arbitraires comme les commentaires.

Les limites : ce qu’un filigrane ne prouve pas

Anthropic est remarquablement clair sur ce que la technique ne fait pas. Le filigrane ne s’applique qu’aux mots que Claude choisit réellement : une relecture légère — quelques corrections de grammaire — peut laisser trop peu de matière pour une détection fiable. Une réécriture complète, où chaque mot est remplacé, efface le filigrane. Le papier SynthID-Text le formalise : la fiabilité de la détection croît avec la longueur du texte et l’entropie de la distribution — plus le modèle a de liberté, plus la signature est nette.

La détection est donc probabiliste, pas forensique. La future API de détection annoncée par Anthropic « estimera la probabilité que Claude ait été impliqué dans l’écriture d’un texte », ce qui n’équivaut pas à prouver qui l’a écrit. Elle ne peut pas distinguer « Claude a écrit ceci » de « Claude a lourdement édité ceci », ni identifier le texte d’un autre modèle — chaque fournisseur utilise sa propre méthode et sa propre clé.

Pour les images (PNG, JPG, SVG), Anthropic adopte une voie différente : des métadonnées de provenance C2PA signées cryptographiquement, indiquant que le fichier a été créé ou traité par Claude — plutôt qu’un filigrane embarqué dans les pixels.

Un écosystème de provenance qui se construit en parallèle

Anthropic n’est pas seul sur ce terrain. Google DeepMind a développé SynthID pour l’image, la vidéo et désormais le texte ; OpenAI a annoncé ses propres standards de provenance ; et la Coalition for Content Provenance and Authenticity (C2PA) pousse des métadonnées signées qui suivent un fichier de sa création à sa diffusion. Anthropic reprend d’ailleurs C2PA pour ses images.

La convergence se fait autour d’un principe commun : ne rien ajouter de visible, lier la marque à une clé, et mesurer une probabilité plutôt que d’asserter une certitude. C’est une architecture de confiance probabiliste, très différente d’un tatouage numérique ou d’un hash — et c’est précisément pour cela que ses limites doivent être connues de ceux qui l’utiliseront.

Verdict

Si vous publiez ou modérez du contenu, traitez le filigrane pour ce qu’il est : un signal de provenance probabiliste, utile pour trier ou prioriser des contenus, mais insuffisant pour fonder une accusation ou une décision automatisée. La relecture, la traduction et la réécriture dégradent la signature, et un résultat négatif ne prouve pas l’absence d’IA.

Si vous déployez ou consommez des modèles, retenez que le coût est quasi nul et l’adoption mondiale : c’est un standard de conformité qui s’impose par défaut. Ne bâtissez pas de processus juridique ou forensique sur la seule détection de filigrane — elle mesure une vraisemblance, pas une certitude.

Le signal de fond est que la provenance des contenus générés entre dans sa phase industrielle : d’une obligation européenne, elle devient une fonctionnalité par défaut des grands modèles. Reste à savoir si les lecteurs sauront lire un signal qui, par construction, reste statistique plutôt que probant.

Références

• BleepingComputer — How Anthropic plans to watermark Claude’s AI-generated text, 14 août 2026
• Google DeepMind — SynthID-Text (Tournament sampling), consulté le 16 août 2026
• Anthropic — billet cité par BleepingComputer sur le filigrane de Claude, consulté le 16 août 2026