Anthropic indique qu’il ajoutera des filigranes au texte généré par Claude et ses autres modèles d’IA, y compris aux sorties fournies via ses produits et ses outils pour développeurs. L’entreprise prévoit également une prise en charge des modèles plus anciens, ce qui rend ce changement plus large qu’une politique limitée aux futures versions.

Cette démarche fait suite à la date de début du 2 août citée pour le Code de transparence de l’AI Act de l’Union européenne. Elle compte pour les développeurs et les acheteurs d’entreprise, car le marqueur technique proposé est censé rester attaché au texte généré lorsque les utilisateurs le copient et le collent d’une application à une autre, même si Anthropic n’a pas précisé publiquement à quel point ce marqueur peut être facilement supprimé par modification.

Le déploiement s’étend à l’écosystème de modèles d’Anthropic

Selon une page d’assistance mise à jour d’Anthropic relayée par TechCrunch, chaque modèle publié après le 2 août inclura automatiquement une technologie de filigrane pour le texte et les fichiers générés par ordinateur. L’entreprise a indiqué que le filigrane est appliqué au niveau du modèle, et non ajouté par une interface produit individuelle.

Cette distinction pourrait rendre le changement pertinent sur toute la gamme de produits d’Anthropic. L’entreprise a identifié Claude, l’API de la plateforme Claude, Claude Code, Claude Cowork et Claude Tag comme des produits auxquels l’approche de filigrane s’appliquera. Anthropic a également indiqué avoir l’intention d’étendre cette capacité aux modèles plus anciens, mais n’a pas fourni de calendrier détaillé dans les éléments disponibles.

Pour les fichiers, Anthropic utilise C2PA, une norme ouverte conçue pour transporter des informations de provenance avec les médias numériques. L’entreprise a décrit séparément le filigrane pour le texte, indiquant que le marqueur accompagnera le texte lorsqu’il est copié et collé et pourra survivre à certaines modifications.

L’annonce n’établit pas que chaque réponse Claude existante est déjà marquée, ni ne précise quels modèles recevront d’abord la capacité rétroportée. Ces détails compteront pour les organisations qui gèrent un mélange de déploiements de modèles anciens et récents.

Le déclencheur réglementaire est le cadre de transparence de l’UE

La justification rapportée est la conformité au Code de transparence de l’AI Act de l’UE, qui, selon TechCrunch, est entré en vigueur le 2 août. Ce code exige des entreprises d’IA qu’elles marquent les contenus générés ou modifiés par IA sous une forme que d’autres systèmes peuvent identifier.

Le calendrier choisi par Anthropic inscrit son changement produit dans un effort plus large des entreprises d’IA et des plateformes de contenu pour se préparer aux exigences européennes de transparence. TechCrunch a rapporté que Black Forest Labs, Google, Meta, Microsoft, OpenAI et Synthesia se sont également engagés à suivre le code de l’UE. La source n’a pas établi que toutes ces entreprises aient mis en place un filigrane textuel équivalent, de sorte que leurs engagements ne doivent pas être interprétés comme la preuve d’un comportement produit identique.

Le défi pratique est que le texte possède moins de champs de métadonnées persistants que de nombreux formats d’image, d’audio et de vidéo. Un fichier peut transporter des informations de provenance via une norme comme C2PA, tandis que le texte ordinaire est fréquemment copié dans des documents, des e-mails, des dépôts de code et des systèmes de publication. L’approche au niveau du modèle d’Anthropic est donc une tentative de faire voyager la provenance avec le texte lui-même, mais la durabilité de ce signal reste une question technique ouverte.

Ce que les éléments confirment — et ce qu’ils ne confirment pas

Les détails les plus solides sur le produit proviennent de la documentation d’assistance mise à jour d’Anthropic telle que rapportée par TechCrunch, et non d’une démonstration testée indépendamment. Les éléments disponibles confirment les plans déclarés par l’entreprise, la conception au niveau du modèle et la couverture prévue à travers les produits Anthropic.

Ils ne fournissent pas de spécification technique du filigrane, ni de taux de détection mesuré, ni d’évaluation indépendante de sa résistance. Anthropic n’a pas non plus expliqué quelle quantité de réécriture, de mise en forme ou de paraphrase est nécessaire pour supprimer le marqueur. TechCrunch a indiqué avoir demandé des éclaircissements à l’entreprise.

Cette incertitude est importante pour les acheteurs qui évaluent les contrôles de contenu généré par IA. Un filigrane ne peut aider les systèmes automatisés à identifier une sortie que si le signal reste détectable et si les plateformes réceptrices savent le lire. L’annonce seule ne montre pas avec quelle précision les systèmes tiers détecteront le marqueur d’Anthropic, comment le signal interagit avec les outils de transformation de texte, ou s’il peut distinguer un texte d’IA légèrement modifié d’un contenu rédigé par des humains.

Le contexte de marché plus large repose lui aussi sur des actions d’entreprises rapportées plutôt que sur une norme commune d’implémentation. TechCrunch a noté que Suno prévoit de marquer la musique générée par IA après des défis juridiques et que Substack s’est associé à Pangram pour signaler les textes générés par IA. Ces mouvements témoignent d’une pression croissante autour de la provenance, mais ils utilisent des approches différentes et ne doivent pas être considérés comme interopérables.

Implications pour les développeurs et les équipes d’IA d’entreprise

Pour les développeurs qui utilisent Anthropic via une API, ce changement pourrait réduire le besoin de construire des couches de provenance séparées pour le texte généré — du moins pour les contenus provenant de modèles pris en charge. Les équipes devront peut-être examiner la manière dont les sorties filigranées circulent dans leurs applications, en particulier lorsque le texte passe entre un modèle, une interface destinée aux clients et des outils de publication ou de conformité en aval.

Les équipes produit devront également décider quoi faire lorsqu’un filigrane est détecté. Les flux possibles incluent l’étiquetage du contenu généré, son acheminement vers une revue humaine, sa conservation dans des dossiers internes ou son blocage pour certaines destinations. Aucune de ces politiques n’est fournie par Anthropic, donc la mise en œuvre restera une décision du côté du client.

Pour les déploiements d’IA d’entreprise, les principales questions sont opérationnelles plutôt que purement juridiques. Les acheteurs voudront savoir si les modèles plus anciens bénéficient du même traitement, si le marqueur survit aux flux de travail courants d’édition et de traduction, et si les systèmes de détection externes peuvent le lire de manière fiable. Les organisations ayant des exigences strictes de documentation peuvent également avoir besoin de journaux montrant quel modèle a produit un passage, car un filigrane à lui seul peut ne pas identifier le modèle, l’utilisateur ou l’heure de génération.

Ce changement pourrait aussi créer des frictions pour des flux de travail légitimes. Les développeurs transforment souvent la sortie du modèle avant de l’afficher, tandis que les éditeurs combinent du contenu généré par IA et du contenu rédigé par des humains. Si le marqueur ne survit qu’à certains types de modification, les équipes pourraient se retrouver face à des résultats ambigus : un document pourrait contenir à la fois des passages détectables et indétectables, sans frontière claire entre eux.

Ce qu’il faut surveiller ensuite

Le prochain signal important sera l’explication technique d’Anthropic sur le filigrane textuel : son format, sa méthode de détection, les modèles pris en charge et sa résistance après modification. La confirmation du déploiement sur les modèles anciens montrera également si les clients peuvent appliquer une politique cohérente sur l’ensemble de leurs déploiements Claude.

Les développeurs devraient surveiller la documentation couvrant le comportement de l’API, la compatibilité des SDK et la question de savoir si le texte filigrané reste identifiable après des opérations courantes telles que la conversion Markdown, la traduction, la synthèse et le formatage de code. Les acheteurs d’entreprise devraient rechercher des tests indépendants plutôt que de se fier uniquement aux descriptions du fournisseur.

Les orientations d’application de l’UE constitueront un autre marqueur important. Des interprétations plus claires du Code de transparence pourraient déterminer quels types de contenu nécessitent un étiquetage, comment les obligations s’appliquent aux fournisseurs et aux déployeurs, et quelles preuves techniques seront jugées suffisantes. L’interopérabilité entre le système d’Anthropic et des normes comme C2PA déterminera également si la provenance de l’IA devient utile sur différentes plateformes plutôt que de rester spécifique à un fournisseur.

Point de vue de Creati.ai

L’annonce d’Anthropic est importante car elle traite la provenance comme une propriété de la sortie du modèle, et pas seulement comme une étiquette ajoutée par une interface de chat. Cela pourrait simplifier la conformité pour les équipes qui utilisent plusieurs surfaces Claude, mais seulement si le filigrane est durable, détectable et suffisamment documenté pour être utilisé par des systèmes tiers.

Pour les créateurs d’IA, la leçon immédiate est de considérer le filigrane comme une couche d’une politique de contenu généré par IA — pas comme un remplacement des journaux d’audit, des règles de divulgation ou de la revue humaine. Tant qu’Anthropic n’aura pas publié de détails techniques et que des tests indépendants ne seront pas disponibles, les organisations devraient considérer cette capacité comme un mécanisme de conformité prometteur, avec d’importantes questions de fiabilité encore sans réponse.