Filigrane IA sur les textes : pourquoi c'est une bonne nouvelle

Le 11 août 2026, Anthropic annonce que les textes sortis de Claude porteront désormais une marque invisible. Elle se loge dans la prose elle-même, sous la forme d'un signal statistique tissé au fil des phrases, que l'œil traverse sans le voir et qu'une machine sait retrouver. Pour les fichiers générés (SVG, PNG, JPG), un second dispositif s'ajoute : des métadonnées de provenance signées, au standard C2PA.

La réaction a été immédiate, et largement hostile. On y a vu un mouchard, une trahison, une manière de marquer au fer rouge ceux qui utilisent l'outil.

Pris par l'autre bout, pourtant, le problème change de visage. Pour la littérature, ce dispositif est précisément ce qui manquait.

Comment fonctionne un filigrane de texte

En une phrase : au moment où le modèle choisit chaque mot, il ne retient pas simplement le plus probable, puisqu'une clé secrète oriente le tirage entre plusieurs candidats quasi équivalents, et c'est ce biais, réparti sur des centaines de choix successifs, qui forme une signature retrouvable par qui détient la clé.

Rien n'est ajouté au texte. On aurait pu imaginer un caractère invisible, une métadonnée collée à côté, un espace insécable exotique, trois astuces qu'un copier-coller dans un éditeur brut ferait sauter. La marque se trouve ailleurs, dans le choix des mots lui-même.

La méthode de référence est celle de Google DeepMind : SynthID-Text, décrite par Sumanth Dathathri et ses collègues dans Nature en octobre 2024 (« Scalable watermarking for identifying large language model outputs », Nature 634, 818-823). Le mécanisme porte un nom parlant, l'échantillonnage par tournoi : à chaque position, les mots candidats s'affrontent par paires selon une fonction dérivée de la clé, et le gagnant est retenu. Déployée dans Gemini, la méthode a été comparée sur près de 20 millions de réponses sans écart significatif de satisfaction entre réponses marquées et non marquées. Le code a depuis été ouvert.

Deux conséquences opposées découlent de ce fonctionnement. Le filigrane survit au copier-coller et aux retouches légères, puisqu'il est réparti sur l'ensemble du texte, et il s'efface dès qu'on réécrit vraiment, parce que réécrire revient à refaire les choix de mots.

Ce que le filigrane répare

L'intérêt pour un auteur se joue précisément là. Depuis trois ans, un écrivain qui publie un texte propre, tenu, régulier, s'expose à une accusation qu'il ne peut pas réfuter. En mai 2026, une nouvelle finaliste du Commonwealth Short Story Prize a été déclarée « 100 % générée par IA » par un détecteur du marché ; nous avons raconté cette affaire ailleurs, et surtout ce qu'elle révèle de la fiabilité réelle de ces outils.

Le problème de fond est une asymétrie. Les détecteurs statistiques ne mesurent pas l'origine d'un texte : ils mesurent sa régularité. Un texte lisse, prévisible, aux tournures attendues obtient un score élevé, qu'il sorte d'une machine ou d'un auteur appliqué. Une étude de Stanford publiée en 2023 dans Patterns l'a chiffré brutalement : sur 91 copies d'examen TOEFL rédigées par des étudiants non anglophones, sept détecteurs du commerce en ont signalé 61 % comme générées par IA, et 19 % ont été classées à tort par les sept outils simultanément. OpenAI avait retiré son propre classifieur la même année, avec des chiffres à peine plus flatteurs : 26 % des textes de machine identifiés, et 9 % des textes humains accusés à tort.

Il en résulte qu'un auteur peut être accusé sans jamais pouvoir être disculpé. Sa défense reste sans objet, puisqu'on lui oppose un pourcentage et que le pourcentage a l'air d'une preuve.

Le filigrane renverse la charge. Il parle de la machine plutôt que de l'humain : au lieu de deviner si un texte est trop propre pour être de quelqu'un, il constate le passage d'un modèle précis, ou bien reste muet. On quitte ainsi la présomption pour l'indice matériel, ce qui change la nature même de la question posée.

Ce que le filigrane ne prouve pas

Anthropic est explicite sur ce point, et c'est tout à son honneur : la marque indique seulement qu'un contenu est passé par Claude.

Elle ne dit pas que le modèle a eu l'idée. Un texte entièrement écrit à la main, puis soumis au modèle pour une relecture, une traduction ou une conversion de format, peut ressortir marqué. À l'inverse, l'absence de marque ne prouve rien, tant les raisons de ne rien trouver sont nombreuses : modèle antérieur, passage trop court, réécriture appuyée, plateforme non couverte.

C'est la limite dure du dispositif, et elle recouvre exactement la zone où le débat est le plus vif. Entre l'auteur qui fait corriger sa ponctuation et celui qui fait écrire son chapitre, le filigrane ne tranche pas, et les deux textes portent la même marque. Or c'est précisément là que se situe la ligne qui compte, et nous avons proposé un mot pour la nommer.

La fragilité technique, et l'asymétrie qu'elle crée

Il faut ajouter que le dispositif est fragile, et que ses concepteurs ne le cachent pas.

Les travaux d'évaluation de robustesse publiés depuis 2024 convergent : une seule passe de reformulation par un autre modèle suffit à faire chuter les taux de détection sous 0,3 pour l'ensemble des méthodes testées. Substitution de synonymes, réécriture ciblée sur les mots les plus porteurs d'information, traduction aller-retour : les attaques sont connues, documentées, et pour certaines triviales. Côté fichiers, les métadonnées C2PA se retirent avec des outils libres.

Il y a là une asymétrie désagréable, qu'il serait malhonnête de passer sous silence. Celui qui veut tricher retire la marque en une manipulation, tandis que celui qui ne triche pas la conserve. Le filigrane attrape donc les distraits et les honnêtes bien plus sûrement que les déterminés.

OpenAI en a tiré ses propres conclusions : l'entreprise dispose depuis plusieurs années d'un outil de marquage qu'elle décrit comme très fiable sur des textes suffisamment longs, et ne l'a jamais déployé. Les raisons avancées sont instructives : le risque de stigmatiser les locuteurs non natifs, pour qui ces outils sont une béquille linguistique légitime, et la crainte de voir les utilisateurs migrer vers un concurrent qui ne marque pas.

Le mauvais côté de la médaille

L'objection qui monte aujourd'hui mérite d'être prise au sérieux.

Tous les usages de l'IA ne sont pas suspects. Un rédacteur qui produit une fiche produit, une documentation technique ou une séquence d'e-mails n'a jamais prétendu faire œuvre. Le marquage risque pourtant de le pénaliser deux fois : auprès de lecteurs qui liront la mention comme un aveu, et auprès des moteurs et agrégateurs, qui disposeront pour la première fois d'un signal exploitable à grande échelle. Sur l'usage qu'ils en feront dans leur classement, les uns comme les autres se taisent.

C'est probablement de là que vient la colère. Elle monte moins des romanciers que des métiers où l'IA est devenue un outil de production ordinaire, et où la marque arrive comme une sanction rétroactive sur une pratique assumée.

Une différence sépare pourtant les deux situations, et le débat passe le plus souvent à côté. En rédaction commerciale, la valeur est dans le résultat : un texte qui informe et qui convertit vaut ce qu'il vaut, quelle que soit la main qui l'a produit. En littérature, la valeur est indissociable de la provenance. Un roman n'est pas un service rendu au lecteur, c'est quelqu'un qui parle, et retirer l'auteur du livre ne dégrade pas le produit mais supprime l'objet.

Le même dispositif est donc une contrainte d'un côté et une réparation de l'autre. Les deux camps ont raison en même temps, et c'est pour cela qu'ils s'entendent si mal.

Le cadre légal, en deux mots

Anthropic n'a pas agi par philanthropie. L'article 50 du règlement européen sur l'intelligence artificielle est applicable depuis le 2 août 2026 : les fournisseurs de systèmes génératifs doivent marquer leurs sorties (audio, image, vidéo et texte) dans un format lisible par machine. La Commission européenne a publié le 10 juin 2026 un code de bonnes pratiques sur le marquage et l'étiquetage des contenus générés, volontaire, signé par environ 190 entreprises et organisations à fin juillet. Il prévoit notamment un étiquetage clair des contenus générés portant sur des sujets d'intérêt public.

La portée annoncée par Anthropic dépasse l'Europe : le marquage s'applique partout, sur l'API comme sur les applications, et chez les partenaires cloud. Les modèles lancés à partir du 2 août 2026 marquent dès leur sortie ; les précédents suivent progressivement.

Un point mérite d'être retenu : l'outil de détection public n'existe pas encore. L'entreprise indique y travailler et renvoie à une documentation technique à venir. Tant qu'il n'est pas disponible, le filigrane reste une promesse plus qu'un instrument.

Ce qu'un auteur peut faire dès maintenant

En attendant, la meilleure preuve reste celle que l'auteur fabrique lui-même, et elle n'a rien de technologique : la trace du travail.

Un manuscrit humain a une histoire, faite de versions successives, de chapitres repris quatre fois, de pistes abandonnées et de dates. Cette histoire est très difficile à fabriquer après coup, et beaucoup plus convaincante qu'un score de détecteur, parce qu'elle montre le chemin et pas seulement l'arrivée. C'est exactement l'usage des instantanés dans Extypis : une chronologie de versions nommées, comparables côte à côte, restaurables d'un clic. Le jour où un doute se présente, un auteur capable de dérouler six mois de versions n'a pas grand-chose à craindre d'un pourcentage.

Deuxième réflexe, plus prosaïque : déclarer ce qui doit l'être. Amazon KDP demande depuis fin 2023 de signaler le contenu généré par IA au moment de la publication ou d'une mise à jour, et distingue explicitement le contenu généré du contenu assisté : brainstorming, correction grammaticale et amélioration d'un texte écrit par l'auteur n'entrent pas dans la déclaration. Celle-ci reste interne à la plateforme et n'apparaît pas sur la fiche du livre.

Un indice imparfait vaut mieux qu'un soupçon permanent

Le filigrane ne réglera pas la question de l'IA en littérature. Il se retire en une manipulation, il confond la relecture et la rédaction, et l'outil qui permettrait de le lire reste à venir.

Il déplace pourtant la question de l'humain vers la machine, ce qu'aucun détecteur n'était parvenu à faire jusqu'ici. Pendant trois ans, la seule opération disponible consistait à soupçonner un auteur d'écrire trop bien, impasse qui abîmait d'abord les gens honnêtes.

Pour ceux qui écrivent vraiment, la marque est donc une bonne nouvelle, et la meilleure raison en est qu'elle ne les concerne pas.