Le filigrane invisible de Claude ne prouve pas qui a écrit un texte

Le nouveau filigrane de Claude doit être compris comme un signal de provenance, et non comme une signature numérique prouvant l’identité de l’auteur. Les modèles Claude lancés à partir du 2 août 2026 intègrent un motif statistique imperceptible dans les textes générés. Pour certains fichiers, Anthropic ajoute des métadonnées de provenance signées numériquement. La mesure a été déployée dans le monde entier en réponse aux exigences de transparence du règlement européen sur l’IA, plutôt que réservée aux utilisateurs de l’Union européenne.

Cette annonce a rapidement déclenché une course en sens inverse : des développeurs ont publié des outils open source et des services accessibles depuis un navigateur qui affirment pouvoir nettoyer les marques liées à l’IA. Mais un point essentiel est souvent passé sous silence : Anthropic n’a pas encore publié de spécification technique complète ni de détecteur public permettant de vérifier indépendamment ces promesses.

Ce qu’Anthropic a ajouté aux sorties de Claude

Pour le texte, le filigrane est intégré au processus de génération. Il ne prend pas la forme d’une mention visible, d’une phrase supplémentaire ou d’un simple caractère caché. Le modèle modifie légèrement la probabilité de certains choix de mots, de façon à ce que la distribution obtenue puisse ensuite être analysée statistiquement. Anthropic affirme que ce mécanisme est conçu pour ne pas modifier le sens, la qualité ou la lisibilité des réponses.

Pour les fichiers pris en charge — notamment certains formats SVG, PNG et JPG — le système utilise des métadonnées de provenance signées numériquement. Il s’agit d’un mécanisme différent de celui employé pour le texte : les métadonnées peuvent fournir un historique structuré d’un fichier, tandis que le signal textuel est mêlé au langage lui-même.

Les nouveaux modèles Claude lancés à partir de la date du 2 août prennent en charge le marquage dès leur lancement. Anthropic indique que les modèles plus anciens sont progressivement adaptés pendant la période de transition prévue. La présence d’une marque peut donc dépendre du modèle utilisé et du format de sortie concerné.

Ce que le filigrane peut — et ne peut pas — démontrer

Selon Anthropic, le filigrane ne contient aucune information d’identification et ne peut pas être relié à une personne, une organisation ou une conversation précise. Un signal positif ne constitue donc ni une fiche d’identité de l’utilisateur ni la copie de la consigne ayant produit le texte.

Surtout, la détection d’un signal associé à Claude ne tranche pas la question plus large de l’auteur. Elle peut suggérer que Claude a participé à la production ou à la transformation d’un contenu, mais elle ne permet pas, à elle seule, de déterminer :

• qui a fourni l’idée ou les consignes ;
• qui a pris les décisions éditoriales ;
• qui détient les droits sur le résultat ;
• si une personne a réécrit substantiellement le texte ;
• qui est juridiquement responsable de sa publication.

La nuance est importante, car un contenu assisté par l’IA peut passer par plusieurs étapes. Une personne peut demander un premier brouillon à Claude, le réécrire en profondeur, le combiner avec son propre travail de recherche, ou n’utiliser l’outil que pour corriger le style. Le filigrane peut alimenter une analyse de provenance, mais il ne suffit pas à classer le résultat comme exclusivement « écrit par l’IA » ou exclusivement « écrit par un humain ».

Pourquoi le déploiement est mondial

L’article 50 du règlement européen sur l’intelligence artificielle impose aux fournisseurs de systèmes d’IA générative de marquer les contenus générés ou manipulés par l’IA dans un format lisible par machine, afin qu’ils puissent être détectés comme artificiels. L’obligation concerne notamment les textes, mais aussi les contenus audio, les images et les vidéos.

Anthropic a choisi un déploiement au niveau des modèles plutôt qu’un dispositif limité à l’Union européenne. Des articles de presse attribuent en partie cette approche à la difficulté de maintenir une séparation régionale fiable entre les différents produits et canaux de distribution de Claude. En pratique, des utilisateurs situés hors de l’UE peuvent donc recevoir des contenus marqués, même si le déclencheur réglementaire est européen.

La loi fixe un objectif — une détection efficace, fiable, robuste et interopérable — mais n’impose pas une technologie unique de filigrane. Les fournisseurs ne sont pas tenus d’utiliser la même méthode statistique, le même standard de métadonnées ou la même étiquette visible.

Les outils de suppression sont apparus presque immédiatement

Le projet open source le plus visible au début de cette séquence est watermarks-remover, publié sous licence MIT par Guillaume Meyer. Son dépôt le présente comme un outil multi-fournisseurs destiné à retirer les marques de provenance de textes et de fichiers appartenant à leurs utilisateurs. Il traite notamment les caractères Unicode invisibles et les métadonnées, et propose aussi une réécriture du texte.

D’autres projets ont suivi, dont un dépôt nommé claude-watermark-cleaner. Des articles ont également signalé un outil accessible depuis un navigateur, présenté comme capable de nettoyer les marques invisibles dans des documents et plusieurs autres formats.

Un dépôt aurait atteint 8 983 étoiles sur GitHub en trois jours. Ce chiffre spectaculaire mesure toutefois l’intérêt suscité par le projet, et non la précision de la suppression du filigrane de Claude. Un outil qui efface des caractères Unicode invisibles ou des métadonnées de fichier ne touche pas nécessairement au signal statistique intégré dans le choix des mots.

Pourquoi les promesses de suppression restent invérifiables

Un filigrane statistique n’est pas une étiquette permanente attachée à un document. Il dépend de la conservation d’une partie suffisamment importante du schéma de choix de mots original du modèle. Le copier-coller, la conversion de format ou une retouche légère peuvent laisser subsister assez de ce schéma pour permettre une détection. En revanche, une traduction, une paraphrase, une réécriture substantielle ou l’ajout d’une grande quantité de texte humain peuvent l’affaiblir, voire le faire disparaître. Anthropic reconnaît elle-même qu’une réécriture importante peut supprimer le signal.

Cela crée un problème de vérification. Sans détecteur public ni détails techniques fournis par Anthropic, il est impossible pour les observateurs extérieurs de savoir avec fiabilité si un outil a neutralisé la couche statistique, s’il a simplement supprimé des métadonnées sans rapport, ou s’il a modifié le texte au point de rendre la détection non concluante. Les premières affirmations selon lesquelles tel ou tel outil « fonctionne » contre Claude doivent donc être considérées comme non vérifiées, et non comme des résultats techniques établis.

La limite est structurelle. Dès lors que les utilisateurs peuvent transformer librement le langage, un motif fondé sur une inférence statistique peut être perturbé en changeant le langage lui-même. Un filigrane plus résistant peut réduire les faux négatifs après des manipulations ordinaires, mais il ne peut pas transformer un signal textuel modifiable en chaîne de traçabilité impossible à rompre.

Ce que l’article 50 interdit — et ce qu’il n’interdit pas

L’article 50 fait principalement peser l’obligation de marquage lisible par machine sur les fournisseurs de systèmes d’IA concernés, avec des obligations supplémentaires pour les déployeurs dans certaines situations. Le texte exige que les productions synthétiques soient marquées et détectables ; il ne prescrit pas une technologie universelle.

Les orientations européennes disponibles ne constituent pas non plus une interdiction générale et autonome visant toute personne qui supprimerait une marque d’un contenu. Elles prennent en compte les opérations d’édition ordinaires qui ne modifient pas substantiellement les données d’entrée ou leur sens, tout en précisant le cadre du marquage lisible par machine.

Cela ne signifie pas que retirer une marque serait sans conséquence juridique dans tous les cas. Les contrats, les règles des plateformes, le droit d’auteur, les règles relatives à la fraude et à la tromperie, les politiques internes d’une entreprise ou d’un établissement scolaire, ainsi que les obligations de transparence propres à certains secteurs peuvent modifier l’analyse. La conclusion la plus prudente est donc plus limitée : l’obligation de marquage imposée aux fournisseurs par l’article 50 ne garantit ni la permanence technique d’un filigrane textuel ni une règle universelle pour tous les usages ultérieurs.

À retenir

Le filigrane de Claude peut rendre l’intervention de l’IA plus détectable dans certains cas, notamment lorsque le texte marqué est copié ou légèrement retouché, ou lorsque les métadonnées de provenance d’un fichier sont conservées. Il ne constitue pas une preuve irréfutable de l’auteur, de l’identité de l’utilisateur, de la propriété du contenu ou de la responsabilité juridique.

La multiplication rapide des outils de suppression confirme cette distinction. Un dépôt peut attirer des milliers d’étoiles avant que quiconque puisse tester ses affirmations de manière indépendante, surtout lorsque le détecteur utilisé par le fournisseur reste privé. Pour les éditeurs, les enseignants, les entreprises et les plateformes, la question utile n’est donc pas seulement de savoir si un filigrane est présent. Il faut aussi examiner les éléments de preuve disponibles, l’ampleur des transformations subies par le contenu, les données de provenance qui ont survécu et les règles de divulgation applicables au cas concerné.