J'ai lu, cette semaine, un article consacré au filigrane textuel qu'Anthropic va désormais apposer sur les textes produits par Claude. Ce filigrane textuel, appelé SynthID-Text, est destiné à répondre aux obligations de l'AI Act européen entré en vigueur le 2 août 2026.
J'ai lu l'article une fois. Puis deux. Et j'ai dû me rendre à l'évidence : je n'y avais rien compris.
Non pas que l'article fût mal écrit — il était clair et bien documenté. Mais il décrivait un mécanisme qui ne ressemble à rien de ce que j'imaginais en entendant le mot "filigrane". Alors j'ai creusé. Et ce que j'ai découvert m'a paru suffisamment contre-intuitif pour mériter d'être raconté.
Le malentendu de départ : le filigrane textuel ne cache rien
Quand on entend "filigrane", on pense à quelque chose d'ajouté. Un caractère invisible glissé entre deux mots. Une balise dissimulée. Un code planqué dans les métadonnées. Bref : un corps étranger, qu'un logiciel malin saurait un jour repérer puis retirer.
Or, en l'occurrence, ce n'est absolument pas ce qui se passe. Le procédé n'ajoute aucun caractère et n'insère aucun mot. Aucune donnée cachée ne circule avec le texte. Si vous ouvriez le fichier dans un éditeur hexadécimal pour y traquer l'intrus, vous ne trouveriez rien — parce qu'il n'y a rien à trouver.
Alors où se cache le filigrane textuel ?
Le pile ou face truqué du filigrane textuel
Voici, tout d'abord, l'image qui m'a permis de comprendre.
Quand une IA rédige, elle produit son texte mot après mot. À chaque étape, elle évalue quels mots pourraient raisonnablement suivre ce qui précède. Et très souvent, plusieurs candidats se valent parfaitement.
Prenons : "Le temps était froid et…"
Après cela, "couvert", "gris", "humide" sont tous acceptables. Aucun n'est plus juste que l'autre. Le sens de la phrase n'en souffrira pas. Le modèle doit donc trancher — et il tranche par une forme de tirage au sort parmi les candidats plausibles.
C'est exactement là que le filigrane textuel intervient. Il ne modifie pas la liste des candidats : il modifie la façon dont on tire au sort. Au lieu d'un tirage vraiment aléatoire, une clé secrète — combinée aux mots qui précèdent — détermine lequel des candidats sera favorisé.
Le mot retenu reste un mot que le modèle aurait pu choisir spontanément. Rien ne force le modèle, rien ne dégrade le texte, aucune formulation étrange ne vient s'y glisser. Mais sur l'ensemble d'un texte, la séquence de ces centaines de micro-décisions cesse d'être aléatoire : elle porte une empreinte statistique.
Et comment vérifie-t-on un filigrane textuel ?
La vérification consiste tout simplement à refaire le trajet en sens inverse. Celui qui détient la clé reprend le texte mot après mot, et à chaque endroit où plusieurs mots étaient possibles, il recalcule lequel la clé aurait favorisé. Puis il compte les coïncidences.
Sur un texte écrit par un humain, le taux de coïncidences tourne autour du hasard : environ une fois sur deux, comme à pile ou face. Sur un texte issu d'un modèle qui applique ce dispositif, il grimpe très au-dessus — et plus le texte est long, plus l'écart devient improbable. Aucun mot ne trahit quoi que ce soit ; c'est leur accumulation qui parle.
Le filigrane textuel n'est pas dans un endroit du texte. Il est le texte.
Ce qui en découle (et qui n'est pas intuitif du tout)
Une fois cette bascule mentale opérée, plusieurs conséquences se déduisent d'elles-mêmes. Par ailleurs, elles s'enchaînent avec une logique implacable.
La clé ne voyage pas avec le texte. Elle reste chez le fournisseur du modèle. Le texte, lui, ne transporte rien : juste des mots. C'est la clé, gardée au chaud côté serveur, qui permettra plus tard de reconnaître le motif.
Un copier-coller du texte d'origine conserve intégralement le filigrane textuel. Non pas parce qu'un code caché aurait été copié avec lui, mais parce que la trace est la suite des mots en elle-même. Tant que ces mots restent ceux-là, dans cet ordre, l'empreinte demeure — sur un blog, dans un email, dans un document imprimé puis retapé à l'identique.
Aucun éditeur de texte ne pourra "nettoyer" un texte. C'est le point qui m'a le plus surpris. En effet, on aurait pu imaginer un logiciel qui traque une balise. Mais aucun logiciel ne saurait pointer du doigt un signal diffusé sur des centaines de choix lexicaux et dire "voilà, c'est ici, je le supprime". Hélas, il n'y a pas de "ici".
Le point faible, tout de même…
En revanche, une réécriture complète efface le filigrane textuel. Logique : si vous remplacez tous les mots, il ne reste plus la séquence de choix qui portait le signal. Anthropic fait alors remarquer, non sans malice, qu'un texte dont chaque mot a été réécrit à la main ne relève plus vraiment de la génération par IA.
Je me permets d'observer, "non sans malice" moi aussi, que dans les faits une telle réécriture intégrale se fait rarement à la main. Elle se confie à une machine — et il suffit d'en choisir une qui ne soit pas encore filigranée. Auquel cas nous ne sommes pas sortis de la génération par IA : nous venons simplement d'en changer.
Précision : le filigrane textuel ne dit pas qui vous êtes. Ni la clé ni le motif ne contiennent la moindre information sur l'utilisateur ou son compte. La seule question à laquelle la vérification répond, c'est : ce texte est-il probablement passé par ce modèle ?
Là où le filigrane textuel ne fonctionne pas
Le mécanisme a nécessairement besoin de choix ambigus pour exister. Là où l'ambiguïté disparaît, le filigrane textuel s'évapore. Prenons quelques exemples :
- Le code informatique n'admet quasiment pas de variantes équivalentes — une syntaxe alternative casse le programme. Il n'est donc que très marginalement marqué.
- Les énoncés factuels non plus : après "2 + 2 =", il n'y a pas 50 suites possibles.
- Une légère reformulation d'un texte que vous avez écrit vous-même reste composée essentiellement de vos mots. L'intervention de l'IA peut rester indétectable.
- Les textes courts ne fournissent pas assez de "décisions" successives pour que le signal soit statistiquement fiable.
- Une traduction, à l'inverse, est marquée de bout en bout, puisque chaque mot de la version d'arrivée est choisi par le modèle.
Et pour les images ? C'est tout l'inverse
C'est en comparant les deux cas (image et texte) que j'ai vraiment saisi l'originalité du dispositif.
Pour les images, les fichiers produits reçoivent une mention signée cryptographiquement dans leurs métadonnées, selon le standard ouvert C2PA — le même que celui adopté par certains fabricants d'appareils photo pour certifier l'origine d'un cliché. Ce n'est pas un filigrane textuel : rien n'est dissimulé, tout est lisible (voire modifiable) par n'importe quel outil compatible.
Ce standard n'a d'ailleurs pas été inventé par le législateur. Il est né en 2021 d'un consortium industriel — Adobe, Microsoft, la BBC, Intel et d'autres — bien avant que l'AI Act n'existe. La loi n'a fait que rendre obligatoire un dispositif qui existait déjà.
Mais voici le paradoxe : cette étiquette qui marque les images est solide et fragile en même temps. Solide, car sa signature la rend infalsifiable. Fragile, car elle tient au fichier. En effet, une empreinte cryptographique la lie au contenu : le moindre bit modifié, et l'étiquette se détache. D'ailleurs, beaucoup de plateformes suppriment purement et simplement les métadonnées lors du téléversement.
Et c'est exactement pour cette raison que le "marquage" du texte fait l'objet d'un traitement différent. Une étiquette collée sur un fichier texte disparaîtrait au premier copier-coller vers l'éditeur d'un site. Le filigrane obtenu par statistique, lui, survit précisément parce qu'il n'est pas un élément rapporté : il est tissé dans la matière.
Étiquette détachable d'un côté. Fil tissé dans l'étoffe de l'autre. Deux problèmes qui n'ont, techniquement, rien à voir.
Une clé par fournisseur, et pas de passe-partout
Un détail que je n'avais pas mesuré au départ, et qui change pourtant beaucoup de choses : il n'existe pas un filigrane textuel. Il en existe autant que de fournisseurs de modèles.
Chacun déploie son propre marquage, avec sa propre clé — et possiblement sa propre méthode. La clé d'Anthropic ne dit rien d'un texte produit par OpenAI, et réciproquement. Ce ne sont pas des dialectes d'une même langue : ce sont des langues différentes, dont chacun garde jalousement le dictionnaire.
Les conséquences pratiques ne sont pas minces. Une plateforme qui voudrait vérifier automatiquement les textes qu'elle publie devrait interroger l'outil de vérification de chaque fournisseur, un par un, pour chaque texte. Sans compter ceux qui n'auront rien signé du tout, ceux dont les modèles antérieurs à août 2026 échappent encore au dispositif, et ceux qui, hors d'Europe, ne s'estimeront pas concernés.
Comparativement à la situation des images, tout paraissait pourtant limpide : un standard unique et ouvert, que n'importe quel logiciel peut lire sans autorisation ni clé secrète. Pour le texte, c'est l'inverse — un ensemble de dispositifs propriétaires, cloisonnés, dont la vérification suppose de s'adresser à celui-là même qui a produit le texte.
Nous ne sommes donc pas sortis de l'auberge.
Ce que cela change (et surtout, ce que cela ne change pas)
Anthropic annonce une API de détection, dont les modalités restent à préciser. Elle ne fonctionnera pas comme les détecteurs de texte IA du marché, qui resteront privés de la clé et continueront de s'en remettre aux "tics d'écriture" des modèles.
Par conséquent, le résultat, même avec la clé, restera une probabilité. Sans distinguer un texte rédigé par une IA d'un texte simplement retravaillé par elle.
C'est ici, je crois, que le sujet devient réellement intéressant. Toute cette machinerie repose sur une hypothèse implicite : qu'il existerait une frontière nette entre le texte humain et le texte machine.
Or cette frontière, pour qui travaille quotidiennement avec une IA, a déjà cessé d'exister. J'en avais déjà fait l'expérience en faisant collaborer deux intelligences artificielles sur un même projet visuel. Quant à mes propres articles ne sont ni entièrement de moi, ni entièrement d'elle. Ils sont le produit d'un aller-retour dont je serais bien en peine de découper la paternité en parts.
C'est une autre question, et elle mérite son propre article. J'y reviendrai.
Sources
- Anthropic, "Claude text watermark" — annonce officielle du dispositif, août 2026. Lire l'annonce
- Thomas Coëffé, "Watermark sur les textes générés par Claude : Anthropic répond à vos questions", Blog du Modérateur, 15 août 2026. Lire l'article
- Coalition for Content Provenance and Authenticity — site officiel du standard C2PA. Consulter
UTILISATION DE L'IA
L'élaboration de cet article a bénéficié d'un processus créatif hybride alliant l'expertise humaine et les capacités d'une intelligence artificielle, qui m'a épaulé dans les tâches de recherche, de rédaction et de peaufinage.
Si cet article vous a plu, venez donc consulter d'autres articles de la catégorie 'IA'
Le Petit Abécédaire...
"Un ouvrage bien documenté, écrit par quelqu'un qui sait de quoi il parle et qui le fait avec clarté humour et éthique. Les exemples et les conseils sont judicieux et très utiles. Je le recommanderai avec plaisir.."
Josiane de Saint Paul
Quel livre ! Un travail de moine. D'une grande originalité. J'ai à peine commencé à le parcourir et, déjà, je le savoure. Je vais d'ailleurs continuer à le déguster lentement. Bravo !
Serge Marquis