Marques d’eau de texte statistique versus identifiants C2PA dans les résultats de Claude
Découvrez comment fonctionnent l’eau marquée de texte basée sur SynthID de Claude ainsi que les identifiants des fichiers C2PA, ce que peuvent prouver les détecteurs, et comment évaluer tout outil prétendant à les supprimer.
Sources: Claude Watermarks Explained: How They Work, What They Reveal, and What You Can Remove
Copiez une réponse de Claude dans un éditeur de texte brut, changez la police et supprimez tout formatage, et le paragraphe ressemblera à n’importe quel autre texte. Le fait que cela élimine ou non une marque d’eau dépend entièrement du type de marque présente. Un artefact de formatage accidentel, une clé de fichier signée cryptographiquement et un schéma statistique intégré au texte sont trois mécanismes indépendants ; un outil peut en éliminer un sans toucher aux autres, sans pour autant vous en dire quoi que ce soit. Cet article explique le fonctionnement de chacun de ces mécanismes, ce qu’un détecteur peut et ne peut pas conclure, comment les modifications et les réécritures affectent les signaux, ainsi que les questions à se poser avant de faire confiance à tout « éliminateur de marque d’eau » ou « vérificateur d’IA ». Les détails du produit indiqués ici correspondent à la documentation publique en septembre 2026 ; veuillez donc vérifier les informations actuelles sur les pages liées.
Ce qu’Anthropic a confirmé publiquement
D’après Anthropic, la marque de texte de Claude est basée sur une version adaptée de SynthID-Text développé par Google DeepMind. Cette technique modifie la manière dont le hasard est appliqué lors de la génération de texte afin de permettre le test d’un modèle statistique ultérieurement. Anthropic précise que aucun caractère caché n’est inséré. Son rapport technique a été publié le 14 août 2026 et révisé le 1er septembre.
D’après l’article du Centre d’aide de Claude sur le marquage du contenu, Fable 5.1 et Mythos 5.1 sont des modèles pris en charge. Les modèles sortis le 2 août 2026 ou après prennent en charge le marquage dès le premier jour, et la compatibilité avec les modèles plus anciens est encore en cours d’extension. Pour les modèles pris en charge, le marquage s’applique dans toutes les applications de Claude, l’API, les outils de programmation et les partenaires cloud, dans toutes les régions, bien que certaines fonctionnalités de marquage des fichiers puissent varier.
Ces détails sont facilement oubliés. Les affirmations selon lesquelles « tout le texte de Claude » serait marqué d’une watermark obscurcissent la différence entre les générations de modèles, et les descriptions anciennes indiquant que la détection était simplement « bientôt disponible » remontent à avant le lancement de la version en prévisualisation privée mentionné ci-dessous.
Comment des mots ordinaires peuvent transmettre un signal caché
tokens, des unités qui peuvent être des mots entiers, des fragments de mots ou d’autres parties de texte. À chaque étape, il dispose d’une distribution de probabilités sur les tokens suivants possibles et en sélectionne un au hasard.
Prenons une phrase qui commence par « L’équipe a décrit le lancement comme ». Plusieurs terminaisons sont possibles, telles que « prometteur », « encourageant » ou « réussi ». Ce ne sont pas des synonymes exacts, et il ne s’agit pas d’un véritable tableau de probabilités provenant d’un modèle ; l’idée est simplement que le langage naturel laisse fréquemment au modèle un véritable choix.
Selon l’explication d’Anthropic, une clé secrète, combinée au texte précédent, est utilisée pour influencer aléatoirement de tels choix. Cela ne signifie pas que Claude favorise systématiquement un adjectif en particulier. Ce biais dépend du contexte et ne devient détectable que lorsqu’il s’accumule au fil d’un passage.
Ce que montrent les recherches
L’étude SynthID-Text, soumise à examen par des pairs et publiée dans Nature en octobre 2024, présente une méthode permettant de modifier l’échantillonnage sans réentraîner le modèle. Elle comprend des résultats de benchmarks, des comparaisons de préférences humaines ainsi qu’une expérience en temps réel couvrant près de 20 millions de réponses générées par Gemini. Ces résultats décrivent le système étudié dans l’article ; ils ne constituent pas une évaluation indépendante de chaque modèle Claude.
Trois choses différentes appelées « watermark Claude »
Le watermark textuel statistique
C’est le signal de l’étape d’échantillonnage évoqué précédemment. Le détecter nécessite un détecteur conçu spécifiquement à cet effet, disposant de la configuration adéquate. Vérifier un texte à la recherche de caractères Unicode inhabituels ne mesure absolument pas ce signal.
Traces de copier-coller et de mise en forme
Le texte collé peut comporter des éléments invisibles : des espaces non brisants, des caractères à largeur nulle ou des attributs HTML restants, tels que des noms de classe indiquant l’application d’origine. Ceux-ci sont directement inspectables : on peut les voir en vue hexadécimale ou avec quelques lignes de code. Les supprimer constitue une tâche légitime de nettoyage, mais il convient de les interpréter avec prudence. Les caractères invisibles ont souvent une fonction réelle ; par exemple, des connecteurs à largeur nulle sont nécessaires pour former certains emojis et afficher correctement certaines écritures. La typographie telle que les traits em ou les guillemets courbes n’est pas non plus une preuve d’origine IA.
C2PA Content Credentials
Ces sont des enregistrements de provenance signés, joints aux fichiers. Ils répondent à une question complètement différente de celle d’un détecteur de texte statistique et sont abordés dans une section distincte ci-dessous.
Vérification rapide pour tout outil : demandez-lui de nommer les éléments qu’il a trouvés. « Trois espaces insécables à ces positions » est une observation concrète. « Écrit définitivement par Claude » est une affirmation bien plus large que l’observation ne peut étayer.
Ce que la détection peut et ne peut pas établir
Lors de la présentation des modèles plus récents, Anthropic a également annoncé que son API de détection de texte n’était disponible qu’en version bêta privée, ouverte aux organisations éligibles telles que des chercheurs, des médias, des établissements d’enseignement, des organismes de régulation et certaines entreprises. Ce n’est pas la même chose qu’un outil de vérification public accessible à tous.
Les résultats sont des probabilités, pas des verdicts
La détection est intrinsèquement probabiliste, comme le précise Google pour les développeurs utilisant SynthID. Son détecteur de référence renvoie l’un de trois résultats (marqué d’une watermark, non marqué ou incertain), et les seuils choisis équilibrent les faux positifs et les faux négatifs. Ces concepts sont utiles pour comprendre la détection en général, mais ils ne constituent pas une description officielle de ce que renvoie l’API d’Anthropic.
La même documentation souligne que les configurations des watermarks doivent rester secrètes. Par conséquent, le code de watermarking open source seul ne permet pas à un site externe de vérifier la watermark de Claude. Tout site tiers prétendant le faire doit indiquer comment il s’y prend.
Les détecteurs de watermarks ne sont pas des classificateurs d’écriture par IA
L’auteurat est plus qu’un simple signal
Prenons l’exemple d’un écrivain qui développe son argumentation, mène des recherches et rédige le texte, puis demande à une intelligence artificielle de réécrire quelques paragraphes. Un signal positif provenant de ces paragraphes ne dit rien sur celui qui a eu les idées. Inversement, un résultat négatif ne permet pas de reconstituer comment le document a été créé. Les éditeurs et les enseignants devraient considérer le résultat d’un détecteur comme l’une des nombreuses informations disponibles, et s’enquérir des drafts, des sources, des révisions ainsi que de la politique applicable avant de transformer une probabilité en accusation.
C2PA : une provenance inhérente au fichier
Un outil de vérification gratuit basé sur le navigateur et fourni par Anthropic cherche des identifiants de contenu émis par Claude dans les fichiers. L’entreprise affirme qu’il s’exécute localement dans votre navigateur, et il ne teste pas explicitement le texte à la recherche de l’eau marquée statistique.
Un identifiant émis par Claude peut indiquer que Claude a créé ou traité un fichier. La documentation de l’outil cite PNG, JPEG et SVG comme exemples de formats générés pouvant contenir des identifiants. Notez la distinction : le fait qu’un format soit accepté par l’outil ne garantit pas que chaque flux de travail Claude génère ce format avec des identifiants associés.
C2PA est lui-même une norme permettant d’attacher un historique de provenance aux contenus et de permettre à quiconque de vérifier que cet historique est intact ; son document d’aperçu constitue une introduction facile à comprendre. Il souligne également un point essentiel : la provenance ne vous indique pas si le contenu est vrai. Un enregistrement valide indiquant qu’une image a été traitée par un outil donné ne dit rien sur l’exactitude de la légende qui l’accompagne.
Les métadonnées peuvent également être supprimées, intentionnellement ou par des traitements ordinaires tels que la réencodage ou la prise de capture d’écran. Par conséquent, l’absence de crédences n’est pas une preuve que un fichier a été créé sans utilisation d’IA, et un outil de nettoyage des métadonnées devrait indiquer quels champs il a modifiés plutôt que d’impliquer qu’il a déterminé l’origine du fichier.
Comment les modifications et les réécritures affectent chaque signal
Chaque type de modification affecte une couche différente d’un document :
- Changer de police ne modifie que la présentation.
- Supprimer une classe HTML modifie le code de balisage.
- Normaliser les espaces modifie les caractères individuels.
- Réécrire un paragraphe modifie la langue elle-même, c’est là que se trouve l’eau marquée statistique.
D’après Google, le signal SynthID présent dans le texte résiste généralement à un recadrage partiel, à de légères modifications et à une paraphrase mineure, tandis qu’une réécriture importante ou une traduction peut réduire la fiabilité de la détection. Cela décrit les limites de cette technique ; il n’est pas garanti qu’un service de réécriture particulier puisse la contourner.
Les réponses courtes ou fortement restreintes laissent également moins de place pour l’ajout d’une marque d’eau. Les directives destinées aux développeurs de Google indiquent que les réponses factuelles offrent moins d’occasions d’ajuster la génération sans nuire à la précision, ce qui rend le signal dans de tels textes déjà plus faible.
Évaluer honnêtement une réécriture
Il est utile de distinguer deux questions qui sont souvent confondues.
- La qualité du texte, que vous pouvez juger vous-même. La réécriture a-t-elle modifié une date, omis un qualificatif, transformé une possibilité en certitude ou déformé une citation ?
- La capacité de détection de la marque d’eau nécessite un outil de vérification adapté ainsi qu’une procédure de test définie. Une réécriture fluide et une coche verte rassurante ne suffisent pas à remplacer cette mesure.
En particulier, un score plus bas obtenu avec un classificateur d’IA général ne dit rien sur le détecteur de marque d’eau distinct de Claude.
Le filigrane identifie-t-il l’utilisateur ?
Anthropic affirme que le filigrane ne contient aucune information permettant d’identifier l’utilisateur, l’organisation ou la conversation, et réitère cette affirmation dans son annonce concernant le modèle de septembre. Cette affirmation est restrictive : elle ne rend pas un texte anonyme, car des noms, des adresses e-mail, des anecdotes personnelles et d’autres détails présents dans le texte lui-même peuvent encore permettre d’identifier quelqu’un.
Au moment de coller un brouillon dans n’importe quel service, y compris ceux de vérification et de nettoyage, il convient d’examiner ce que reçoit ce service et la manière dont il traite les données. La conception du filigrane et la façon dont un service tiers traite votre texte sont deux questions distinctes.
Pourquoi cette marqueur apparaît-il maintenant
Le facteur réglementaire est la section relative à la transparence de la loi UE sur l’IA. Selon l’interprétation de la Commission européenne, les obligations prévues à l’article 50 sont entrées en vigueur le 2 août 2026, avec les mises en garde habituelles concernant les systèmes visés et les périodes de transition applicables. Les FAQ de la Commission sur son code de bonnes pratiques en matière de transparence distinguent le marquage côté fournisseur des obligations liées à l’étiquetage de certains contenus publiés.
Ce code offre un moyen volontaire de démontrer le respect des règles. Il ne s’agit ni de la loi elle-même, ni d’une exigence pour que chaque fournisseur adopte le même algorithme. La conséquence pratique est que le « filigrane d’IA » couvrira de plus en plus de implementations différentes, et on ne doit jamais supposer qu’une méthode, une clé, un détecteur ou une preuve d’identité utilisés par un fournisseur fonctionneront pour un autre.
Raisons légitimes d’inspecter ou de nettoyer du contenu
En dehors de la question de l’auteur, il existe des raisons techniques ordinaires de travailler avec ces couches. Un développeur peut avoir besoin de comprendre pourquoi une chaîne collée perturbe un analyseur ou une comparaison de chaînes, ce qui est souvent dû à des caractères non brisants ou à zéro largeur. Un rédacteur peut vouloir nettoyer le formatage ou améliorer des formulations maladroites. Quelqu’un qui publie une image peut vouloir savoir quels métadonnées elle contient avant de décider lesquelles conserver.
Chacune de ces tâches est concrète, et chacune exige une description précise de ce qui a été modifié. Si vous utilisez un outil de nettoyage ou de réécriture, conservez l’original, comparez les résultats et vérifiez que les réécritures sont pertinentes et exactes. La suppression systématique des séparateurs et d’autres caractères invisibles peut endommager du texte légitime dans certaines langues et altérer certains emojis ; choisissez donc chaque opération en comprenant bien son effet.
Quatre questions pour tout outil de suppression ou de détection d’eau marquée
Au lieu de vous fier au nom du produit ou à sa publicité, demandez :
- Quel signal précis analyse-t-il ?
- Que modifie-t-il ?
- Vérifie-t-il son résultat avec un détecteur correspondant, et peut-il même en disposer ?
- Quelles conclusions laisse-t-il en suspens ?
Ces questions s’appliquent également aux outils indépendants, aux détecteurs officiels et à tout ce que vous créez vous-même.
Points clés
- L’eau marquée de texte de Claude est un biais statistique dans l’échantillonnage des tokens, dépendant du contexte et d’une clé ; elle ne comporte pas de caractères cachés.
- Les traces de mise en forme, les eaux marquées statistiques et les identifiants C2PA constituent des couches distinctes. La suppression de l’une n’indique rien sur les autres.