Anthropic a confirmé le 11 août 2026 que tous les contenus générés par Claude seront désormais marqués par un filigrane invisible, conformément aux obligations de transparence de l’EU AI Act entrées en vigueur le 2 août 2026. Cette décision, appliquée au niveau mondial, combine un filigrane statistique pour les textes et des métadonnées C2PA pour les fichiers, avec des implications techniques notables pour les développeurs.
🔑 En bref
- Anthropic a signé le Code de pratique de l’article 50 de l’EU AI Act
- Le marquage s’applique à tous les produits Claude dès le 2 août 2026
- Deux techniques : filigrane statistique pour les textes, métadonnées C2PA pour les images et fichiers
- La couverture est mondiale et aucun palier payant ne permet de désactiver le marquage
- Les amendes peuvent atteindre 15 millions d’euros ou 3 % du chiffre d’affaires mondial
Un cadre réglementaire européen qui impose la traçabilité
La loi européenne sur l’intelligence artificielle, dite EU AI Act, prévoit à son article 50, paragraphe 2, que les fournisseurs de systèmes d’IA générative doivent marquer leurs productions de manière lisible par machine. Anthropic a officialisé le 11 août 2026 son adhésion au Code de pratique correspondant, un engagement volontaire qui formalise sa conformité aux obligations de transparence.
Les obligations de l’article 50 sont entrées en vigueur le 2 août 2026. À partir de cette date, tout modèle Claude lancé sur le marché — grand public, API, Claude Code, Claude Cowork ou Claude Tag — doit intégrer un mécanisme de marquage détectable. Les versions antérieures, dont Opus 5, Fable 5 et Sonnet 5, bénéficient d’une période de transition dont la durée n’a pas été précisée par la société californienne.
« Le non-respect des obligations de transparence peut entraîner des amendes allant jusqu’à 15 millions d’euros ou 3 pour cent du chiffre d’affaires mondial annuel, selon le montant le plus élevé. »
EU AI Act, Article 99
Les déploiements de Claude via AWS, Google Cloud et Microsoft Foundry sont également soumis aux filigranes textuels, même si la compatibilité avec le standard C2PA peut varier d’une plateforme à l’autre. Les entreprises utilisatrices doivent donc anticiper cette contrainte dans leurs flux de conformité.
Deux techniques complémentaires pour tracer les contenus
Anthropic combine deux approches distinctes selon la nature du contenu. Pour les textes, un filigrane statistique est inséré directement dans le choix des jetons (tokens, les unités élémentaires de texte traitées par le modèle) lors de la génération. Cette modification imperceptible ne change ni le sens, ni la qualité, ni la lisibilité de la réponse. Le filigrane fait partie intégrante du texte et persiste lors des copier-coller ainsi qu’après certaines modifications superficielles, contrairement à de simples métadonnées qu’il suffirait de supprimer.
Pour les fichiers image aux formats svg, png ou jpg, Anthropic associe des métadonnées de provenance signées selon le standard ouvert C2PA (Coalition for Content Provenance and Authenticity). Ce système fonctionne comme une signature numérique jointe au fichier, permettant de vérifier si celui-ci a été modifié après son passage dans Claude.
Comparaison des deux méthodes
| Caractéristique | Filigrane textuel | Métadonnées C2PA |
|---|---|---|
| Type de contenu | Textes générés | Images (svg, png, jpg) |
| Méthode | Modification statistique des jetons | Signature numérique embarquée |
| Persistance | Survit aux copier-coller | Perdue en cas de ré-enregistrement |
| Détection | Outils spécialisés | Lecteurs C2PA standards |
Les limites techniques assumées par Anthropic
La société reconnaît plusieurs limites importantes à son dispositif. Premièrement, un filigrane détecté indique seulement que le contenu a pu être traité par Claude — il ne constitue pas une preuve d’origine. Deuxièmement, les utilisateurs qui recourent fréquemment à l’assistant pour relire, traduire ou résumer leurs propres textes verront leurs productions humaines porteuses du filigrane.
Inversement, l’absence de signal détectable ne garantit pas qu’un contenu n’a pas été généré par IA : les textes très courts, fortement édités, paraphrasés ou traduits peuvent perdre toute trace. Les métadonnées d’image disparaissent dès qu’un fichier est converti, ré-enregistré, capturé en capture d’écran ou passé par certaines plateformes sociales.
« Unlike image and video tools where visible watermarks are removed when paying for premium service, this marking is applied at the model level with no paid tier available to remove it. »
Anthropic, communiqué officiel
Le cas du code source illustre une difficulté technique spécifique. Le code généré par Claude Code reste marqué dans ses commentaires et explications, mais la syntaxe rigide des langages de programmation rend le filigrane statistique quasi inapplicable : les identifiants doivent correspondre aux déclarations, et les formateurs automatiques réécrivent le code, ce qui équivaut à une attaque adverse (une modification volontaire qui détruit le signal de marquage) sur ce type de marquage.
Un déploiement mondial malgré une obligation européenne
Anthropic a fait le choix stratégique d’appliquer le marquage à l’ensemble de ses marchés, et non uniquement à l’Union européenne. L’EU AI Act ne contraint en principe que les services proposés sur le sol européen, mais la société estime qu’une approche unifiée évite la fragmentation des produits et simplifie la conformité pour les clients internationaux.
Cette décision a provoqué des réactions partagées sur les réseaux sociaux et les forums de développeurs. Plusieurs utilisateurs payants ont exprimé leur inquiétude, certains menaçant de migrer vers des alternatives open source. Les préoccupations portaient principalement sur la confidentialité des documents stratégiques internes et sur l’impact potentiel pour les workflows de développement.
Questions techniques encore en suspens
- Mécanisme de détection : interface publique, outil en ligne ou accès entreprise ?
- Taux de faux positifs non communiqué
- Longueur minimale de texte requise pour un signal fiable
- Interaction avec les paramètres de température et d’échantillonnage déterministe
- Calendrier exact de mise à jour des modèles Opus 5, Fable 5 et Sonnet 5
Anthropic n’est pas isolé dans cette démarche. Google DeepMind a développé SynthID pour marquer les textes, images et contenus audio générés par IA. OpenAI a évoqué publiquement des approches similaires mais reste plus lent dans leur déploiement à grande échelle. La documentation technique détaillée d’Anthropic est attendue dans les prochaines semaines.
Conclusion : vers une traçabilité de l’IA par défaut
La décision d’Anthropic marque un tournant dans la maturité de l’industrie de l’IA générative. En intégrant le marquage au niveau du modèle et en l’appliquant mondialement, l’entreprise transforme une contrainte réglementaire européenne en standard global. Les limites techniques demeurent réelles — faux positifs, résistance aux paraphrases, incompatibilité avec le code source — mais l’infrastructure de détection se met progressivement en place.
Pour les développeurs et les entreprises, l’enjeu est désormais d’adapter leurs workflows à cette nouvelle normalité : documentation des usages internes, formation des équipes, et vigilance sur la confidentialité des documents sensibles transitant par des assistants IA. À moyen terme, la généralisation du marquage pourrait redessiner la confiance dans les contenus numériques.
Sources
Cet article est publié à titre informatif et éducatif. Il ne constitue en aucun cas un conseil en investissement. Faites vos propres recherches (DYOR) avant toute décision.
