Filigrane invisible de Claude : ce qui change pour les entreprises avec l'AI Act

Anthropic a annoncé l’application d’un filigrane textuel invisible aux sorties de Claude Opus 5 à compter du 9 septembre 2026. Pour les entreprises, l’enjeu n’est pas la qualité du texte ni le coût d’utilisation. Il porte sur la traçabilité des contenus générés ou traités par l’IA et sur la gouvernance à mettre en place pour les usages internes et les publications externes.

Ce changement s’inscrit dans l’application de l’article 50 de l’EU AI Act, qui impose aux fournisseurs de systèmes génératifs de rendre leurs contenus détectables comme générés ou manipulés par une IA, lorsque cela est techniquement possible. Ces règles de transparence s’appliquent depuis le 2 août 2026.^{[1] [2]}

À retenir : un filigrane détecté indique qu’un contenu a pu être traité par Claude. Il ne révèle ni l’identité de l’utilisateur, ni celle de son organisation, ni le contenu de la conversation. Il ne prouve pas non plus que Claude est l’auteur intellectuel du contenu.^[1]

Qu’est-ce que le filigrane textuel de Claude ?

Le filigrane annoncé par Anthropic n’est pas une mention visible telle que « généré par IA ». Il s’agit d’un signal statistique imperceptible, intégré aux choix de formulation du modèle. Il n’ajoute ni caractères, ni tokens, ni format particulier au texte. Selon Anthropic, il n’altère ni le sens, ni la lisibilité, ni la qualité de la réponse.^[1]

Le mécanisme est appliqué au niveau du modèle. Lorsqu’un modèle Claude compatible est utilisé, le marquage concerne les textes générés sur les différentes surfaces où ce modèle est disponible : plateforme Claude, API, Claude Code ainsi que les plateformes cloud partenaires prises en charge. Une modification de la région d’hébergement ou le passage par AWS, Google Cloud ou Microsoft Foundry ne constitue donc pas une option de désactivation.^[1]

Anthropic complète ce dispositif textuel par des métadonnées de provenance signées pour certains fichiers générés, notamment des images. Ces métadonnées suivent le standard ouvert C2PA, conçu pour documenter la provenance d’un fichier et détecter d’éventuelles altérations.^[1]

Pourquoi ce changement intervient-il maintenant ?

L’article 50 de l’AI Act distingue les obligations qui relèvent du fournisseur de celles qui relèvent du déployeur, c’est-à-dire l’entreprise qui met un système d’IA en service dans le cadre de son activité.

Pour les fournisseurs de systèmes générant du texte, de l’audio, des images ou des vidéos synthétiques, la règle est de veiller à ce que les sorties soient marquées dans un format lisible par machine et détectables comme générées ou manipulées par IA. Le texte prévoit que la solution doit être efficace, interopérable, robuste et fiable dans la limite de ce qui est techniquement faisable.^[2]

Pour les déployeurs, l’obligation de divulgation vise notamment les textes générés ou manipulés par IA qui sont publiés afin d’informer le public sur des sujets d’intérêt général. Une exception est prévue lorsque le contenu a fait l’objet d’un examen humain ou d’un contrôle éditorial, et lorsqu’une personne physique ou morale assume la responsabilité éditoriale de la publication.^[2]

Cette distinction est essentielle : le filigrane technique du fournisseur et la gouvernance éditoriale de l’entreprise répondent à deux niveaux de responsabilité différents. Le premier rend un contenu détectable ; le second établit qui vérifie, valide et assume le contenu publié.

Ce que le filigrane ne permet pas de conclure

Le filigrane ne doit pas être interprété comme une étiquette binaire opposant un texte « humain » à un texte « IA ». Anthropic précise qu’une détection positive est un signal indiquant que le contenu peut avoir été traité par Claude. Elle ne confirme pas, à elle seule, l’origine de chaque idée, donnée ou phrase du document.^[1]

À l’inverse, l’absence de signal détecté n’est pas une preuve d’absence d’IA. Le signal peut être moins fiable ou ne plus être détectable après une réécriture substantielle, une traduction, un mélange avec d’autres sources, un extrait trop court ou, pour les fichiers, une conversion qui supprime les métadonnées.^[1]

En pratique, un détecteur ne remplace donc ni le contrôle des sources, ni une procédure de validation, ni la responsabilité d’un auteur ou d’un éditeur.

Faut-il chercher à désactiver ce filigrane ?

Non. Pour Claude Opus 5, le marquage est présenté comme un mécanisme appliqué au niveau du modèle. Il ne s’agit pas d’une option de configuration que l’entreprise pourrait légitimement activer ou désactiver selon ses canaux de diffusion.^[1]

La bonne question n’est pas « comment contourner le filigrane ? », mais plutôt : comment utiliser l’IA générative dans un processus où la qualité, la transparence et la responsabilité restent maîtrisées ? Cette approche est plus durable, plus conforme à l’esprit de l’AI Act et plus protectrice pour la réputation de l’entreprise.

Les impacts selon vos usages métier

Les conséquences opérationnelles dépendent davantage de l’usage du contenu que de l’outil lui-même.

Une méthode simple pour rester maître de vos contenus

La conformité ne se réduit pas à un paramètre technique. Elle repose sur des pratiques concrètes, adaptées au niveau de risque et au contexte de publication.

1. Cartographier les usages génératifs

Identifiez les équipes, outils et flux dans lesquels un contenu généré ou transformé par IA est utilisé : rédaction, support client, recrutement, analyse financière, assistance juridique ou production visuelle. L’objectif est de distinguer les usages internes, les contenus destinés à des clients et les publications ouvertes au public.

2. Définir ce qui exige une validation humaine

Une relecture utile ne consiste pas à cliquer sur « approuver ». Elle implique de vérifier les faits, les sources, le raisonnement, le ton, l’absence de données sensibles ou confidentielles, et la conformité aux règles sectorielles. Le niveau de contrôle doit augmenter avec l’impact potentiel du contenu.

3. Attribuer une responsabilité éditoriale claire

Pour chaque catégorie de contenu externe, désignez la personne ou l’équipe responsable de la validation finale. Cette responsabilité doit être explicite pour les sujets de réglementation, santé, finance, droit, ressources humaines ou information du public.

4. Documenter le processus sans alourdir les équipes

Conservez, de manière proportionnée, les sources, les versions validées, l’identité du valideur et les règles utilisées. Cette traçabilité aide à répondre aux questions d’un client, d’un auditeur ou d’une autorité, tout en facilitant l’amélioration continue des processus.

5. Mettre en place une politique de transparence proportionnée

La transparence est à concevoir selon le canal, le public et le degré d’automatisation. Une réponse assistée et contrôlée par un collaborateur ne présente pas le même niveau de risque qu’une publication automatique à destination du grand public. Les lignes directrices de la Commission européenne rappellent que les obligations de l’article 50 reposent sur cette analyse de contexte.^[3]

Les cinq questions à poser avant toute publication assistée par IA

1. Quelle est la finalité du contenu ? Informe-t-il le public, accompagne-t-il une vente, répond-il à un client ou sert-il uniquement en interne ?
2. Qui vérifie les faits et les sources ? La personne désignée doit pouvoir corriger ou refuser la sortie proposée par l’IA.
3. Qui assume la responsabilité finale ? Cette responsabilité doit être attribuée à une personne ou une entité identifiable.
4. Quelles données ont été fournies au modèle ? Les données personnelles, confidentielles, juridiques ou financières appellent des contrôles renforcés.
5. Quelle information de transparence est appropriée ? L’information doit être claire, accessible et proportionnée au risque de confusion pour le lecteur.

À retenir

Le filigrane de Claude Opus 5 ne dégrade pas les textes et ne divulgue pas les données de votre organisation. Il matérialise cependant une évolution importante : les contenus issus de l’IA générative entrent dans une ère de traçabilité et de responsabilité accrue.

Pour les entreprises, la réponse pertinente n’est pas technique. Elle est organisationnelle : cartographier les usages, instaurer une validation humaine proportionnée, protéger les données, clarifier la responsabilité éditoriale et former les équipes. Ces mesures permettent de conserver les gains de productivité de l’IA générative tout en renforçant la confiance des clients, collaborateurs et partenaires.

Cet article constitue une information générale et ne constitue pas un avis juridique. Avant publication, SOTELI recommande une validation éditoriale et juridique adaptée à votre situation, à votre secteur et aux évolutions réglementaires applicables.