Anthropic a mis à jour sa documentation le 10 août 2026. Tous les textes générés par les nouveaux modèles Claude portent une marque invisible, un filigrane. Le dispositif répond à l'article 50 du règlement européen sur l'IA, applicable depuis le 2 août, et Anthropic l'applique dans le monde entier.
La marque suit le texte quand vous le copiez-collez, et ne s'altère pas lors de retouches légères. Aucun caractère spécial n'est ajouté. Aucune balise, aucun espace invisible.
Comment une marque peut-elle exister dans un texte sans qu'aucun caractère ne change ? La réponse tient dans la façon dont un modèle de langage écrit.
Un modèle de langage tire ses mots au sort
Quand un modèle écrit une phrase, il ne connaît pas le mot suivant. À chaque étape, il évalue tous les mots possibles et attribue un score à chacun. Après "le chat est assis sur le", il obtient par exemple tapis à 30 %, canapé à 20 %, rebord à 15 %, et environ 200 000 autres candidats avec des probabilités minuscules.
Ensuite, il tire au sort en respectant ces proportions. Le mot obtenu s'ajoute à la phrase, et le calcul recommence pour le suivant. Toute la génération fonctionne comme ça, mot après mot, plusieurs centaines de fois par réponse.
Ça s'appelle de la génération autorégressive. Le modèle travaille sur des tokens, des fragments de mots qui sortent d'un vocabulaire figé, et chaque token influence tous ceux qui viennent après lui.
Retenez ce détail : pour la plupart des tokens, plusieurs dizaines de mots pourraient convenir. Tapis, canapé, rebord, coussin. La phrase reste correcte dans tous les cas. C'est dans cette marge de manœuvre que le watermark vient s'appliquer.
Un coloriage secret du dictionnaire
Le mécanisme public de référence vient d'un article de l'université du Maryland publié à la conférence ICML en 2023, A Watermark for Large Language Models.
Imaginons qu'avant chaque tirage, un algorithme peigne une partie du dictionnaire en vert et le reste en rouge. On applique ensuite un petit bonus à tous les mots verts. Assez faible pour ne pas forcer un mot absurde. Assez fort pour que le vert l'emporte plus souvent quand plusieurs mots conviennent.
Si "canapé" est vert et "tapis" est rouge, le score de "canapé" monte à 35 % et celui de "tapis" descend à 15 %. La phrase reste parfaitement naturelle. Répétez l'opération 500 fois dans un texte : les mots verts deviennent anormalement nombreux, au sens statistique.
Un coloriage fixe se repérerait facilement : il suffirait de comparer quelques milliers de textes pour identifier les mots qui reviennent trop souvent. Le coloriage se recalcule donc à chaque position, et il dépend des mots précédents. L'algorithme prend les derniers mots écrits, les passe dans une fonction de hachage avec une clé secrète, et le résultat détermine quels mots seront verts pour le tirage suivant.
Après "sur", on aura un certain découpage. Après "dans", on en aura un autre, sans aucun rapport avec le précédent. Sans la clé, deviner le coloriage est impossible.
La détection revient à compter des mots
Anthropic connaît la clé. Ils peuvent donc relire n'importe quel texte, reconstituer chaque coloriage à l'envers position par position, et compter les mots de chaque couleur.
Quand j'écris un texte à la main, je n'ai aucune idée du coloriage. Mes mots tombent dans le vert ou le rouge au hasard, avec un équilibre proche de 50/50. Un texte généré avec le bonus tombera plutôt à 80 ou 90 % de vert.
Lancez une pièce de monnaie 500 fois. Si vous tombez 480 fois sur "face", la pièce est truquée, et on n'a besoin de rien d'autre pour en être sûr : la distribution est trop loin de ce à quoi on s'attend.
Le détecteur n'a besoin ni du modèle, ni d'une base de données de textes. Il fonctionne hors ligne, avec la clé et un compteur. Rien à voir donc avec les "détecteurs de texte IA" type GPTZero, qui devinent l'origine d'un texte à partir de son style et se trompent régulièrement.
Pourquoi le signal est fragile
- La reformulation le détruit : remplacez "canapé" par "sofa", et c'est la double peine : le mot "sofa" est peut-être rouge, et il modifie le coloriage de tous les mots qui suivent. Une seule substitution désynchronise toute la suite de la phrase. Repasser un texte dans un autre modèle le réécrit intégralement, ce qui efface forcément le signal.
- Les textes courts ne pèsent rien : si vous lancez votre pièce trois fois, les résultats ne seront pas significatifs. Un passage de trente mots n'atteindra jamais un niveau de preuve exploitable.
- Le signal se trouve dans l'incertitude du modèle : là où une seule suite est correcte, on n'a aucune marge, donc aucun watermark. Ça concerne le code, où un nom de variable déjà déclaré s'écrit d'une seule façon, les citations exactes et les formats contraints type tableaux ou JSON.
Ce qu'Anthropic n'a pas publié
Aucun détail d'implémentation n'a été communiqué. Deux familles de techniques restent plausibles. Celle du bonus vert décrite plus haut, qui modifie légèrement la distribution du modèle. Ou une approche dite distortion-free, comme SynthID-Text de Google DeepMind, publiée dans Nature en octobre 2024, qui organise un tournoi entre plusieurs candidats et laisse la distribution intacte.
Anthropic affirme que le marquage ne change ni le sens, ni la qualité, ni la lisibilité de ses réponses. Le pari du distortion-free me semble le plus probable : je doute qu'ils aient accepté d'abîmer leurs modèles dans le monde entier pour une contrainte européenne.
Le principe général tient dans les deux cas. Le signal se loge dans le choix des mots, et se retrouve par comptage.
Une dernière chose, au passage. Les outils vendus en ligne pour "nettoyer le watermark de Claude" suppriment des caractères Unicode invisibles et des tirets cadratins. Ils ciblent un mécanisme qui n'existe pas ici.