Anthropic a indiqué le 14 août 2026 que les futurs modèles Claude produiront du texte filigrané dans le cadre de sa réponse au règlement européen sur l'intelligence artificielle. Le signal vise à indiquer que Claude a probablement participé à la production ou au traitement d'un passage. Il ne permet pas d'établir qui a écrit le texte, à qui il appartient ni qui en assume la responsabilité juridique.
Pour les équipes chargées de la gouvernance et de la conformité de l'IA, cette distinction constitue l'enjeu pratique. Un filigrane peut devenir un signal de provenance utile, mais il ne remplace ni les règles de transparence, ni la révision du contenu, ni l'inventaire des modèles, ni les preuves montrant comment une sortie a circulé dans un processus métier.
Ce qu'Anthropic a annoncé sur le filigranage des textes de Claude
Anthropic affirme que sa méthode repose sur l'approche SynthID-Text de Google DeepMind. Pendant la génération, la méthode modifie la manière dont l'aléatoire intervient dans la sélection des prochains mots appropriés. Le motif statistique ainsi produit peut ensuite être vérifié à l'aide de la clé correspondante. Aucun élément visible n'est inséré dans le texte, et copier le passage dans un autre document ne révèle ni caractère caché ni étiquette.
L'entreprise indique que les modèles lancés à partir du 2 août 2026 prendront en charge le marquage dès leur lancement, tandis que les modèles plus anciens devraient recevoir cette fonction progressivement. Anthropic prévoit également d'appliquer le filigrane dans le monde entier, faute de disposer d'un moyen durable de limiter la fonction par région. Une API de détection est annoncée, mais Anthropic n'avait ni publié les détails de mise en œuvre ni rendu le détecteur généralement disponible lors de son explication du 14 août.
Ces éléments décrivent la mise en œuvre selon Anthropic. Ils ne constituent pas une preuve indépendante que toute sortie concernée sera détectable dans chaque processus.
Pourquoi le filigranage de Claude compte pour la conformité au règlement européen sur l'IA
Selon la Commission européenne, les obligations de transparence de l'article 50 du règlement sur l'IA s'appliquent depuis le 2 août 2026. Les règles prévoient notamment un marquage lisible par machine pour certains contenus générés ou manipulés par l'IA, ainsi que des obligations d'information pour certains systèmes interactifs, les hypertrucages et certains textes publiés sur des sujets d'intérêt public.
Les lignes directrices de la Commission dépassent le cadre d'une fonction proposée par un fournisseur. Elles concernent les fournisseurs et les déployeurs, et distinguent le marquage technique des décisions de transparence que les organisations doivent prendre lorsqu'elles utilisent un contenu. Les équipes doivent donc déterminer leur rôle, le type de contenu, le contexte de publication et l'existence d'une révision humaine avant de fixer les preuves requises. La liste de contrôle Maetra pour la conformité des agents d'IA au règlement européen explique comment relier ces obligations à un dossier opérationnel.
Un filigrane Claude est un élément de preuve, pas un verdict
Anthropic décrit plusieurs limites importantes. La détection est moins fiable pour les passages courts, car le signal statistique repose sur un nombre plus faible de choix de mots. Un langage factuel très contraint, des modifications légères, des corrections et du code peuvent également produire un signal plus faible. Une réécriture importante ou une traduction par un autre système peut altérer le motif.
Les travaux à l'origine de SynthID-Text aboutissent à une conclusion tout aussi prudente. L'article publié dans Nature indique que les filigranes génératifs peuvent être déployés à grande échelle, mais précise qu'ils ne constituent pas une solution complète pour détecter les textes produits par l'IA. Les modifications et les paraphrases par un modèle peuvent les affaiblir, tandis que les modèles distribués de manière décentralisée peuvent ne pas appliquer de filigrane compatible.
Un résultat positif ne doit donc pas être transformé en affirmation selon laquelle Claude a écrit chaque mot. Un résultat négatif ou non concluant ne prouve pas qu'aucun système d'IA n'est intervenu. La preuve étaye une probabilité, dans les limites d'un détecteur donné.
Réponse opérationnelle pour les équipes de conformité et de contenu
Les organisations qui utilisent Claude pour des contenus publics, réglementés ou destinés aux clients devraient ajouter des contrôles au niveau du processus :
- Consigner le modèle et la version de Claude, le mode d'accès, la date de sortie, l'objectif, le responsable du contenu et le public visé.
- Conserver la sortie d'origine et la version finale publiée lorsque le contenu présente un risque réglementaire important ou un risque lié à l'intérêt public.
- Indiquer si une personne a examiné, modifié, approuvé et signalé le contenu.
- Tester l'effet d'un raccourcissement, d'une traduction, d'une paraphrase ou d'un passage dans un autre modèle.
- Traiter le résultat du détecteur comme un élément de preuve en conservant l'outil, l'heure, le seuil et le niveau de confiance.
- Prévoir un processus de transparence de secours pour les sorties courtes, factuelles, codées ou fortement modifiées, pour lesquelles le filigrane peut être faible.
- Mettre à jour les évaluations des fournisseurs et les contrats lorsque l'API de détection, la couverture des modèles ou les conditions de mise en œuvre changent.
Cette démarche transforme une fonction de modèle en contrôle vérifiable. Le guide Maetra sur la mise en correspondance des systèmes d'IA et des obligations de conformité fournit une structure utile pour attribuer un responsable, un contrôle, une preuve et une fréquence de révision.
Analyse Maetra : la provenance exige une chaîne de preuves
Le contrôle le plus solide n'est pas un détecteur binaire. Il s'agit d'une chaîne de provenance reliant le modèle, le prompt ou la tâche, la sortie générée, les décisions humaines, les transformations, le canal de publication et les preuves conservées. Le filigranage peut renforcer cette chaîne lorsqu'il est disponible et détectable, mais il ne reconstitue pas un historique de processus manquant.
Pour les responsables de la conformité, la priorité consiste à déterminer où un contenu généré par l'IA pourrait entraîner des conséquences juridiques, contractuelles, réputationnelles ou de sécurité. Ces parcours nécessitent des règles explicites de révision et de transparence. Les brouillons internes à faible risque peuvent appliquer des contrôles plus légers, à condition que l'organisation sache toujours quels systèmes sont utilisés et qui en est responsable.
Les équipes qui mettent à jour leurs preuves relatives à l'article 50 peuvent utiliser la liste de contrôle Maetra des preuves de conformité de l'IA afin de définir ce qui doit être conservé et à quel moment ces preuves doivent être actualisées.
Sources
- Anthropic : How Claude's text watermark works, publié le 14 août 2026.
- Commission européenne : Guidelines on transparency of AI-generated content, concernant les obligations de l'article 50 applicables depuis le 2 août 2026.
- Nature : Scalable watermarking for identifying large language model outputs, publié en octobre 2024.