Filigrane de texte : ce que les signaux d’OpenAI et d’Anthropic établissent

Le 5 octobre 2026, OpenAI a annoncé un déploiement par étapes de son filigrane textuel : depuis cette date, les clients de son API — le service qui permet à des applications d’accéder à ses modèles — peuvent l’activer sur certains modèles ; l’annonce prévoyait ensuite d’étendre le marquage dans les semaines suivantes aux sorties éligibles de ChatGPT et Codex, l’outil de programmation d’OpenAI, dans l’Union européenne. Le centre d’aide d’OpenAI décrit désormais les textes générés par ChatGPT dans l’UE comme filigranés, tout en précisant que la couverture varie selon le produit, le modèle, le canal et la date de création. Anthropic annonce aussi un filigrane pour de futurs modèles Claude.

Un motif statistique imperceptible à la lecture

OpenAI appelle textGrain sa méthode de filigrane. Pendant la génération, le modèle ajuste statistiquement ses choix de mots ou de fragments de mots pour former un motif qu’un détecteur adapté peut rechercher. Le document ne comporte ni caractère caché ni ponctuation inhabituelle : le motif n’est pas visible lors d’une lecture ou d’un copier-coller.

Anthropic décrit une approche comparable pour Claude, fondée sur des choix de génération guidés par une clé. Selon l’entreprise, les futurs modèles concernés produiront des textes dont le motif pourra être analysé sans révéler d’information sur la personne, l’organisation ou la conversation. Cette annonce ne signifie pas que les textes déjà produits par Claude seront marqués rétroactivement.

Ce qu’un détecteur peut — et ne peut pas — indiquer

Un détecteur de filigrane cherche un signal propre à une méthode. Il ne fonctionne pas comme un classificateur tiers qui estime si le style d’un texte ressemble à celui d’une IA. OpenAI indique que son détecteur de texte sera d’abord accessible aux chercheurs et aux organisations expertes approuvés, après examen des demandes ; il ne sera pas public au lancement.

Selon OpenAI, une détection peut indiquer qu’un de ses systèmes a généré ou traité une partie d’un passage. Elle ne permet pas d’identifier l’utilisateur, le compte ou la conversation. Elle ne mesure pas non plus la part de rédaction, de vérification ou de réécriture humaine et ne détermine ni la propriété du document ni la légalité de son usage.

L’absence de signal détecté ne prouve pas davantage qu’un texte a été écrit sans aide. Le filigrane peut manquer, être difficile à repérer après des modifications ou une traduction, ou provenir d’un modèle qui n’est pas couvert.

La longueur et le type de texte changent la fiabilité

Les évaluations publiées par OpenAI montrent que les passages courts ou dont les mots sont fortement contraints sont plus difficiles à détecter. La société rapporte aussi que le remplacement de mots par des synonymes peut affaiblir le signal. Ses résultats illustrent des limites mesurées dans des essais précis ; ils ne donnent pas une garantie pour chaque texte, langue ou contexte d’utilisation.

Anthropic souligne également que les échantillons courts et les passages factuels laissent moins de choix de mots au modèle, donc moins d’occasions d’y inscrire un motif. Ces limites dépendent des méthodes employées : un résultat obtenu avec le filigrane d’un fournisseur ne se transpose pas automatiquement à un autre modèle ni à un détecteur tiers.

Dans une école ou une entreprise, le signal ne suffit pas

Pour un formateur, un responsable RH ou une équipe éditoriale, un résultat de détection peut être un élément de contexte, pas un verdict sur une personne. Avant toute décision, il faut examiner les règles applicables, le document complet et les traces de travail pertinentes, puis permettre à la personne concernée d’expliquer sa démarche. La seule présence ou absence d’un filigrane ne permet pas de conclure à une fraude, à une faute ou à l’absence de travail humain.