Comment fonctionne le watermarking des textes de Claude
Découvrez comment Anthropic insère un biais statistique dans les tokens de Claude. Comprenez pourquoi ce marquage résiste au copier-coller et les limites de la détection.
Fonctionnement du marquage des textes générés par Claude
Le marquage des textes générés par Claude correspond à un biais appliqué lorsque le modèle choisit les mots. Il ne s’agit pas d’une balise attachée au fichier ni d’une suite de caractères Unicode invisibles que vous pourriez supprimer avec une expression régulière. Anthropic l’explique dans Fonctionnement du marquage des textes générés par Claude, un document daté du 14 août 2026 et mis à jour le 1er septembre 2026 : le procédé « modifie uniquement la source de l’aléa utilisée pour choisir entre plusieurs mots », à l’aide d’une clé secrète et des quelques mots précédents. Comme la marque dépend des mots choisis, elle résiste au copier-coller et disparaît lorsque les mots sont modifiés.
Deux conséquences en découlent, ce qui explique l’intérêt pour ce sujet. La détection est un test statistique qui nécessite un grand nombre de mots pour produire un résultat significatif. Elle peut donc ne rien indiquer d’utile pour une seule phrase. Par ailleurs, un résultat négatif ne prouve rien : le centre d’aide d’Anthropic précise que « l’absence de marque détectée ne signifie pas que le contenu n’a pas été généré ou traité par une IA ».
La page d’aide Comment Claude marque les contenus générés par une IA, consultée le 11 octobre 2026, répertorie les surfaces concernées : « Claude Platform (API), Claude, Claude Code, Claude Cowork et Claude Tag », y compris l’accès via AWS, Google Cloud et Microsoft Foundry. Les modèles lancés à partir du 2 août 2026 prennent en charge le marquage lisible par une machine dès leur lancement. Les modèles antérieurs sont couverts par une période de transition, pendant laquelle Anthropic leur ajoute ce marquage. La page contient désormais un tableau par modèle. Cette date n’est pas fortuite. L’article 50 de l’AI Act de l’UE s’applique à partir du 2 août 2026. Il impose aux fournisseurs de systèmes générant du texte synthétique de marquer les sorties « dans un format lisible par une machine et détectable comme ayant été générées ou manipulées artificiellement ». Le Digital Omnibus on AI, règlement (UE) 2026/1744, accorde aux fournisseurs dont les systèmes étaient déjà disponibles sur le marché avant le 2 août 2026 un délai jusqu’au 2 décembre 2026 pour respecter cette obligation de marquage. Anthropic indique appliquer ce marquage dans le monde entier, et pas uniquement au trafic provenant de l’UE.
Les fichiers fonctionnent différemment. La page d’aide indique que Claude attache aux types de fichiers générés pris en charge « comme un fichier PNG ou JPEG » des métadonnées de provenance signées, appelées Content Credential et conformes au standard C2PA (Coalition for Content Provenance and Authenticity). Il s’agit de métadonnées attachées aux côtés du contenu du fichier, et non d’une modification de son contenu. C’est pourquoi elles disparaissent si facilement.
Comment le watermarking oriente le choix des tokens
À chaque étape, un modèle de langage produit une probabilité pour chaque token (un token est un mot ou une partie de mot) qu’il pourrait écrire ensuite. Un sampler en sélectionne un. Normalement, le caractère aléatoire de cette sélection provient d’une source de nombres aléatoires ordinaire. Un sampler de watermarking remplace cette source par une fonction pseudo-aléatoire avec clé. Ses entrées sont la clé secrète et les derniers tokens. La sélection est donc reproductible par toute personne qui possède la clé, tout en ressemblant à une variation ordinaire pour les autres.
La première version publique largement citée est A Watermark for Large Language Models (Kirchenbauer et al., ICML 2023). Avant chaque token, la clé et les tokens précédents sélectionnent un sous-ensemble pseudo-aléatoire « vert » du vocabulaire. Le sampler ajoute ensuite un petit bonus au score de ces tokens. Aucun token n’est interdit. Le texte reste donc fluide, mais les tokens verts apparaissent un peu plus souvent que ne le permettrait le hasard.
L’article d’Anthropic indique que son implémentation repose sur SynthID-Text, publié par Google DeepMind dans Nature en octobre 2024 sous le titre Scalable watermarking for identifying large language model outputs, et que cette famille d’idées remonte à une proposition de Scott Aaronson datant de 2022. SynthID-Text tire plusieurs tokens candidats de la propre distribution du modèle, puis organise un tournoi à élimination directe entre eux. La fonction avec clé attribue les scores. Le token retenu tend ainsi à être favorisé par la clé. Les candidats proviennent de la propre distribution du modèle. C’est pourquoi l’évaluation publiée ne signale aucune perte mesurable de qualité.
La conséquence importante concerne l’entropie. Le biais ne peut agir que lorsque le modèle dispose d’un véritable choix. Si le seul token suivant correct est Paris, aucun schéma ne peut le remplacer sans rendre le texte incorrect. Anthropic l’indique directement : le watermarking « est plus clairsemé dans les passages factuels, où il y a moins de choix possibles sans diminuer l’exactitude du texte », et le code « comporte généralement moins de watermarking que d’autres formes de texte », car il doit en général être exact. La densité du signal suit la liberté dont disposait le modèle. Un long texte de prose ouverte porte donc une marque forte, tandis qu’une réponse factuelle courte n’en porte presque aucune.
Il existe une limite importante à tout ce qui précède. Au 11 octobre 2026, Anthropic a publié la famille à laquelle appartient son schéma, mais pas les paramètres ni le seuil du détecteur. Les mécanismes décrits dans cette section proviennent des articles cités. Il faut les considérer comme la conception publiée mentionnée par Anthropic, et non comme une description de la configuration exacte de Claude.
Pourquoi la détection est un test d’hypothèse, et non un tampon
Un détecteur prend le texte et la clé. Il parcourt le texte, recalcule ce que la clé aurait favorisé à chaque position, attribue un score à chaque token, puis additionne les scores. L’hypothèse nulle est que le texte a été écrit sans ce sampler utilisant une clé : les scores se comportent alors comme des lancers de pièce et le total reste proche de sa valeur attendue. Un texte marqué s’en écarte vers le haut. Le résultat est une p-value, c’est-à-dire la probabilité d’obtenir un total au moins aussi élevé avec un texte non marqué. Le verdict « détecté » consiste à comparer cette p-value à un seuil choisi par quelqu’un.
Cette conception a deux effets concrets. La confiance augmente avec la longueur, car chaque token supplémentaire constitue un faible élément de preuve. Anthropic le formule ainsi : « La détection d’un watermark ne fonctionne pas bien non plus sur de petits échantillons, où il y a moins de choix de mots et donc moins d’informations exploitables. » Le seuil implique également un compromis. Si vous le définissez assez bas pour signaler un paragraphe, vous commencerez à signaler par hasard des paragraphes écrits par des humains.
La plupart des lecteurs ne peuvent toujours pas effectuer eux-mêmes ce test. Depuis sa mise à jour du 1 septembre 2026, l’article d’Anthropic indique : « Nous lançons une detection API en private preview. » Elle est disponible pour les organisations éligibles « comme l’exige le droit de l’UE », notamment les autorités de régulation, les services chargés de l’application de la loi, les médias, les organismes de fact-checking, les chercheurs indépendants, les établissements d’enseignement et les groupes de la société civile de l’UE, ainsi que pour les entreprises « pareillement tenues de vérifier le watermarking » afin d’assurer leur propre conformité avec l’Act. Anthropic indique qu’il prévoit « d’élargir progressivement l’accès à la detection API », et les deux pages proposent un formulaire pour manifester son intérêt. Ainsi, au 11 octobre 2026, il n’existe pas de détecteur de texte public : en dehors de ces organisations, personne ne peut confirmer ou réfuter l’affirmation selon laquelle un passage donné porte cette marque. Les fichiers disposent d’une autre voie, accessible à tous. Le Claude Content Checker, gratuit, vérifie si un fichier téléversé contient un Claude Content Credential et précise clairement qu’il « ne vérifie pas le texte ».
Cette lacune est importante en raison de ce vers quoi les utilisateurs se tournent à la place. Les « détecteurs d’IA » commerciaux vendus aux établissements scolaires et aux éditeurs sont des classifieurs entraînés sur le style d’écriture. Ils ne détiennent aucune clé et n’effectuent aucun test de ce type. Leur mode d’échec est documenté : les détecteurs de GPT sont biaisés contre les auteurs dont l’anglais n’est pas la langue maternelle (Liang et al., Patterns, 2023) ont montré que des détecteurs largement utilisés avaient classé comme générés par une IA plus de la moitié d’un ensemble de dissertations du TOEFL rédigées par des auteurs non natifs, tout en classant correctement les échantillons d’auteurs natifs. Un détecteur de watermark et un classifieur de style sont deux systèmes différents. Ne laissez personne vous présenter le second comme s’il s’agissait du premier.
Ce qui supprime le filigrane
Réponses courtes. Une réponse d’une ligne offre trop peu de choix pour modifier une statistique. Il n’existe pas de correctif, car il s’agit d’une propriété du test et non d’une lacune de l’implémentation.
Réécriture. Anthropic indique qu’une modification légère peut laisser la marque lisible, tandis qu’« une réécriture complète où chaque mot est remplacé » la supprime. Chaque mot remplacé est un mot que la clé ne peut plus expliquer.
Paraphrase avec un autre modèle. Un second modèle choisit à nouveau chaque token avec son propre sampler et sans clé. Le résultat porte donc la marque de ce modèle, s’il en possède une, et non celle de Claude.
Traduction, avec une exception. Faire passer le texte anglais de Claude par un autre traducteur détruit le signal, car un nouveau sampler choisit chaque mot cible. Anthropic précise le cas inverse : « Une traduction produite par Claude porte un filigrane, car chaque mot est alors choisi par Claude. »
Code, en grande partie. Un code correct offre peu de choix interchangeables. TechCrunch a rapporté le 15 août 2026 qu’Anthropic s’attend à « un effet négligeable sur le code effectivement produit », les marques étant plus susceptibles d’apparaître dans les commentaires. Il s’agit d’un article de presse rapportant une déclaration de l’entreprise, et non d’une documentation publiée. Considérez donc le détail concernant les commentaires comme non confirmé. Les commentaires et les noms d’identifiants sont les parties d’un patch qui offrent réellement une marge de choix.
Suppression des métadonnées pour les fichiers. Les informations de provenance C2PA sont stockées à côté des données de l’image. Toute opération qui réencode généralement le fichier les supprime, sauf si elle est configurée pour les conserver. Cela inclut l’optimiseur d’images utilisé lors d’un build classique de site statique. La page d’aide d’Anthropic mentionne la suppression des métadonnées parmi les raisons pour lesquelles une marque disparaît.
Ce que prouve réellement une marque détectée
Moins que ne le laisse entendre le terme « watermark ». Le billet d’Anthropic est clair : « Un watermark peut seulement déterminer que Claude a probablement participé à la production du contenu à un moment donné. Il ne peut pas faire la distinction entre “Claude a écrit ce contenu” et “Claude a effectué des modifications importantes sur ce contenu”. » La page d’aide précise que « Claude n’est peut-être pas l’auteur d’origine », car les utilisateurs se servent de Claude pour modifier des textes qu’ils ont eux-mêmes rédigés. Le contenu peut également avoir changé après l’intervention de Claude.
Aucun document publié par Anthropic ne décrit de signal propre à un compte ou à un utilisateur. D’après la documentation disponible, la marque indique qu’un modèle Claude a participé à la production du contenu. Si quelqu’un affirme qu’un watermark révèle quel utilisateur ou quelle API key a produit un passage, cette affirmation ne figure pas dans les sources primaires au 11 octobre 2026.
Cela change-t-il la publication de code assisté par IA depuis votre serveur ?
Pour le code, la réponse technique est essentiellement non, pour deux raisons déjà indiquées : le signal présent dans du code exact est faible, et la détection de texte est limitée à un aperçu privé réservé aux organisations éligibles. Ce qui détermine si vous pouvez publier relève de la politique, et la politique n’a pas changé. Les projets open source ont défini leurs propres règles pour les contributions assistées par IA, et ces règles sont appliquées par un mainteneur qui lit votre pull request, pas par un détecteur qui analyse vos tokens.
Pour la prose générée par votre serveur, la réponse est oui, d’une manière précise. Si un appel d’API rédige vos notes de version ou les pages de votre produit, les mots sont ceux de Claude, donc la marque y est présente. Convertir le markdown en HTML, le minifier, stocker le résultat dans Postgres et le servir depuis un CDN ne modifie pas les mots ; ces opérations laissent donc aussi la marque intacte. Ce qui la dégrade, c’est la réécriture des phrases par un éditeur humain.
Vous ne pouvez pas supprimer le watermark avec un prompt. Il est appliqué au niveau de l’échantillonnage, sous le texte produit par le modèle. Une instruction comme « ne pas appliquer de watermark à ce texte » n’a donc aucun effet. La situation est différente de ce qui fait habituellement qu’un agent ignore une instruction que vous avez écrite, lorsque l’instruction est bien parvenue au modèle, mais a été supplantée par autre chose. Au 11 octobre 2026, aucun mécanisme documenté de désactivation n’est proposé aux clients de l’API.
Si vous utilisez Claude pour administrer un serveur plutôt que pour rédiger à votre place, cela change très peu de choses. Les commandes shell et les extraits de configuration sont courts et contraints ; ils contiennent donc presque aucun signal. La présence d’une marque n’a par ailleurs aucun effet sur ce qui s’exécute sur votre machine. L’administration système quotidienne avec Claude soulève une autre question : qu’est-ce qui quitte votre machine au départ ? Consultez ce qu’un agent de programmation envoie réellement depuis votre serveur.
Ce que vous devez divulguer
La divulgation relève des règles, pas de la détection. Un filigrane ne crée aucune obligation de divulgation et ne vous en dispense pas non plus. Déterminez la règle qui vous est applicable, puis respectez-la, que quelqu’un puisse vous détecter ou non.
L’AI Act de l’UE sépare ces deux obligations. L’article 50(2) impose l’obligation de marquage au fournisseur, en l’occurrence Anthropic, et c’est l’obligation respectée par ce déploiement. L’article 50(4) impose une obligation au déployeur : toute personne qui publie un texte généré par une IA « pour informer le public sur des questions d’intérêt général » doit indiquer qu’il a été généré artificiellement. Une exemption s’applique à la plupart des équipes éditoriales : « le contenu généré par l’IA a fait l’objet d’une vérification humaine ou d’un contrôle éditorial et une personne physique ou morale assume la responsabilité éditoriale de la publication ». Les deux obligations s’appliquent à partir du 2 août 2026. L’obligation de marquage est toutefois reportée au 2 décembre 2026 pour les systèmes déjà commercialisés avant cette date. Un article vérifié par un éditeur identifié est traité différemment d’un flux publié sans qu’une personne ne l’ait lu. Cette interprétation repose sur le texte du règlement et ne constitue pas un conseil juridique.
D’autres règles vont plus loin que la loi. Votre contrat de travail, votre contrat client, le guide de contribution du projet auquel vous envoyez des correctifs et la politique de l’éditeur pour lequel vous écrivez peuvent chacun imposer davantage. Ce sont aussi les règles que quelqu’un vérifiera réellement.
Lorsque vous divulguez l’utilisation d’un modèle, indiquez ce qu’il a fait et ce que vous avez vérifié. « Brouillon rédigé avec Claude, chaque commande exécutée sur une installation Ubuntu 24.04 propre avant publication » fournit une information concrète à un lecteur technique. Un badge générique « IA utilisée » n’en fournit pas, car la vérification est précisément ce qu’un modèle ne peut pas faire à votre place.
N’utilisez pas non plus le résultat d’un filigrane comme une accusation. Un résultat positif indique qu’un modèle Claude est intervenu à un moment donné, y compris comme éditeur du texte rédigé par quelqu’un d’autre. Un résultat négatif ne permet absolument aucune conclusion.
FAQ
Puis-je désactiver le filigrane textuel de Claude ?
Au 11 octobre 2026, aucune procédure documentée de désactivation n’existe. La page d’aide d’Anthropic décrit le marquage dans Claude, Claude Platform (API), Claude Code, Claude Cowork et Claude Tag, y compris via AWS, Google Cloud et Microsoft Foundry, sans mentionner de paramètre permettant de le désactiver. Demander au modèle de ne pas ajouter de filigrane à sa réponse ne change rien non plus, car le marquage est appliqué par le sampler qui sélectionne les tokens, et non par le modèle qui suit votre instruction.
Le filigrane apparaît-il dans le code généré par Claude ?
Très peu. Le filigranage consiste à choisir entre plusieurs options qui sont toutes acceptables, or le code correct offre rarement un grand choix. Anthropic indique que le code « comporte généralement moins de filigranage que d’autres formes de texte », car il doit habituellement être exact. TechCrunch a rapporté le 15 août 2026 qu’Anthropic s’attend à un effet négligeable sur le code lui-même, les marques étant plus susceptibles d’apparaître dans les commentaires. Il s’agit toutefois d’un article de presse rapportant une déclaration, et non d’une documentation publiée. Les éléments d’un patch qui peuvent varier sont les commentaires et les noms d’identifiants.
Si un détecteur ne trouve aucun filigrane, cela prouve-t-il qu’un humain a écrit le texte ?
Non. C’est l’erreur la plus fréquente concernant les filigranes. La propre page d’Anthropic précise que « l’absence de marque détectée ne signifie pas que le contenu n’a pas été généré ou traité par une IA ». Le texte peut être trop court pour être analysé. Il peut avoir été modifié ou paraphrasé. Il peut provenir d’un modèle commercialisé avant le déploiement du marquage. Il peut aussi provenir entièrement d’un autre fournisseur. Le test est unilatéral : il peut renforcer la probabilité que Claude ait été utilisé, mais il ne peut jamais démontrer que Claude ne l’a pas été.
La paraphrase ou la traduction supprime-t-elle le filigrane ?
Une paraphrase effectuée par un autre modèle le supprime, car ce modèle resélectionne chaque mot avec son propre sampler et sans clé. Une traduction effectuée avec un outil externe le supprime pour la même raison. L’exception fonctionne dans l’autre sens : Anthropic indique qu’« une traduction produite par Claude porte un filigrane, car chaque mot est alors choisi par Claude ». Traduire votre propre texte avec Claude ajoute donc une marque qui n’était pas présente auparavant.
Puis-je vérifier moi-même la présence d’un filigrane Claude dans un document ?
Pour du texte, uniquement si votre organisation remplit les conditions requises. La détection nécessite la clé. Elle ne peut donc pas être effectuée en lisant le texte ni avec un outil hors ligne. L’API de détection d’Anthropic est en private preview pour les organisations éligibles relevant du droit de l’UE et pour les entreprises qui ont elles-mêmes l’obligation de vérifier le filigranage. Un accès plus large est prévu. Au 11 octobre 2026, il n’existe donc aucun détecteur public de filigranes textuels. Les fichiers sont différents : le Claude Content Checker gratuit vérifie si un fichier importé contient un Claude Content Credential, mais il n’analyse pas le texte. Les outils tiers présentés comme des détecteurs de texte Claude ne possèdent aucune clé. Il s’agit donc de classifieurs stylistiques, qui utilisent un mécanisme différent et dont le problème documenté de faux positifs concerne notamment les textes rédigés par des personnes dont l’anglais n’est pas la langue maternelle (Liang et al., Patterns, 2023).