L’essentiel
- Anthropic annonce une API de détection qui permettra à des développeurs tiers de tester eux-mêmes si un texte porte le filigrane de Claude.
- Le procédé est une variante de SynthID Text, la méthode publiée par Google DeepMind dans Nature en 2024 : elle modifie la source du hasard au moment de choisir chaque mot, sans ajouter ni caractère invisible ni token supplémentaire.
- Le marquage tient mal sur les textes courts, très factuels ou sur du code, et disparaît quand un humain a saisi lui-même chaque correction.
Anthropic s’apprête à confier à des développeurs extérieurs la clé qui permet de lire le filigrane de Claude. N’importe quelle application pourra lui soumettre un texte et savoir s’il porte la marque du modèle. Cette marque ne se voit nulle part : elle tient dans les mots que Claude choisit quand rien ne l’oblige à préférer l’un plutôt que l’autre.
Il y a quelques jours, nous décrivions ici le filigrane que Claude cache désormais dans tout ce qu’il écrit, et l’obligation européenne qui le motive. Depuis, l’entreprise a publié une FAQ détaillée sur le procédé et confirmé l’étape qui change la nature de l’exercice : l’ouverture d’une API de détection (une interface de programmation que d’autres logiciels peuvent interroger) à des équipes extérieures, libres de brancher la vérification dans leurs propres produits. Le marquage cesse d’être une case cochée devant Bruxelles pour devenir un service que n’importe quelle plateforme pourra appeler.
Un dé pipé plutôt qu’un tampon
Un modèle de langage écrit un mot après l’autre. À chaque étape, il classe des candidats plausibles et en retient un. Prenez « le temps était froid et… » : « sucré » n’a aucune chance, « couvert » et « gris » en ont beaucoup, et le sens de la phrase ne bouge pas selon celui qui sort. Dans ces situations à faible enjeu, c’est un tirage au sort qui tranche.
Le filigrane ne touche pas à la liste des candidats. Il remplace le dé. Au lieu d’un générateur de nombres aléatoires quelconque, Anthropic dérive le tirage d’une clé secrète combinée aux quelques mots qui précèdent. Les choix restent imprévisibles pour le lecteur, mais ils deviennent reproductibles pour qui détient la clé : on rejoue la partie sur le texte suspect, on regarde si la suite des mots colle aux décisions qu’aurait prises Claude avec cette clé, et on en tire une probabilité.
Rien n’est inséré dans le texte : ni caractère invisible, ni balise, ni token (l’unité de texte facturée par le modèle) supplémentaire. Le marquage ne change donc rien à la facture et ne transporte aucune information identifiante : ni la personne, ni l’organisation, ni la conversation d’origine. Il ne pousse pas non plus le modèle vers des mots bizarres qu’il n’aurait jamais employés spontanément. Un texte marqué et un texte non marqué sont indiscernables à l’œil.
Du soupçon stylistique à la vérification par clé
Jusqu’ici, la détection automatique des textes produits par des modèles reposait sur des détecteurs commerciaux comme Pangram, qui n’ont accès à aucune clé et se contentent de repérer des régularités statistiques : tournures typiques, vocabulaire surexploité, rythme de phrase. C’est de la reconnaissance de style, avec les faux positifs que l’on connaît sur les auteurs qui écrivent proprement.
Vérifier un filigrane relève d’une autre discipline : on ne juge plus un style, on teste une signature. Ouvrir cette vérification à des développeurs tiers, c’est offrir à un service de correction de copies, à une plateforme de publication ou à un outil de recrutement un signal autrement plus solide que les détecteurs actuels. Google, qui a mis au point la méthode dont Anthropic s’inspire, garde la sienne bien plus fermée : son portail SynthID Detector reste réservé à une liste d’attente de journalistes et de chercheurs, et ne reconnaît que les contenus issus de ses propres outils. Ouvrir la porte, c’est aussi transférer à ces acteurs la responsabilité de l’interprétation.
Le marquage lâche sur le code, et s’accroche à tort aux traductions
Anthropic ne cache pas les angles morts, et ils sont larges. Le procédé a besoin de nombreuses bifurcations lexicales pour installer son motif : sur un texte court, sur un passage très factuel où presque aucune reformulation n’est possible, ou sur du code, il devient peu fiable. Une réécriture appuyée efface le marquage. Et si un humain relit un texte produit par le modèle en tapant lui-même chaque correction, ces mots-là ne portent évidemment aucune signature.
La traduction, elle, bascule dans l’autre sens : c’est Claude qui choisit tous les mots de la version cible, donc elle sort marquée, même si l’idée et le texte source sont entièrement humains. Enfin, le signal reste grossier par construction. Il indique que Claude a probablement été impliqué, sans dire s’il a tout écrit ou seulement retouché, et sans distinguer un humain d’un autre modèle.
Ben Thompson conteste jusqu’au principe
L’analyste Ben Thompson s’oppose frontalement au marquage, qu’il juge à la fois trop ambitieux et mal fini. Son argument le plus concret vise l’édition : le règlement européen prévoit une exception pour la simple relecture, mais Anthropic n’a aucun moyen technique de reconnaître qu’un texte a seulement été corrigé. Thompson raconte utiliser des modèles pour relire ses propres papiers en appliquant manuellement chaque correction, et trouve injuste qu’un article original puisse se retrouver étiqueté comme généré. Plus largement, il estime que le marquage attribue à l’outil la paternité de l’idée, et compare l’exigence à demander à un stylo-bille de se déclarer auteur.
L’échéance européenne du 2 août
Le calendrier explique la précipitation. La disposition de transparence de l’AI Act, le règlement européen sur l’IA, s’applique depuis cette date. Le code de bonnes pratiques associé a été signé en juillet 2026 par près de 190 acteurs, dont Anthropic, OpenAI, Google, Meta et Microsoft. Faute de moyen technique de restreindre la fonctionnalité à l’Europe, le déploiement est mondial. Pour les fichiers, Anthropic s’appuie sur le standard ouvert C2PA, qui accroche des métadonnées d’origine sans toucher au contenu. OpenAI marque déjà images et audio et promet le texte, sans détails publiés.
L’absence de filigrane ne prouve rien
La robustesse technique n’est pas le problème : elle est plutôt bonne. Tout se jouera dans la lecture qu’en feront ceux qui brancheront l’API. Un test qui répond « aucun filigrane détecté » signifie « pas de preuve », jamais « écrit par un humain ». Sur un texte factuel reformulé à la main, sur une note de trois paragraphes, sur un extrait de code, l’absence de signal est la réponse normale, pas un verdict d’innocence.
Aucun seuil de décision n’accompagne pour l’instant cette API, aucune règle sur ce qu’un service a le droit d’en conclure. Une clé cryptographique se vérifie ; une intention d’auteur, non. La première plateforme qui recalera un travail humain sur un signal absent en fera la démonstration, et ce n’est pas Anthropic qui recevra la réclamation.
Mon avis
Cette API va se retrouver branchée dans des outils de correction et de recrutement bien avant que quiconque ait fixé ce que vaut une absence de filigrane. J’attends les dégâts de ce côté-là : pas un faux positif spectaculaire qui ferait scandale, mais une accumulation de refus silencieux fondés sur un signal négatif qui ne prouve rien. Anthropic a raison de publier sa méthode et ses limites avec cette franchise, c’est plus que ce qu’ont fait ses concurrents. Il lui manque la seule chose qui protégerait vraiment les auteurs : une clause interdisant contractuellement d’utiliser l’absence de marque comme preuve d’écriture humaine.
