Textes générés par IA : ce que les filigranes invisibles changent pour les entreprises
Un dirigeant prépare une note stratégique. Il en définit les orientations et construit son argumentation, puis confie quelques reformulations à un assistant IA. Le document achevé peut conserver une signature invisible signalant l’intervention de cet outil, alors que l’essentiel du travail intellectuel lui appartient.
Plusieurs fournisseurs d’IA générative déploient aujourd’hui de tels filigranes pour rendre leurs productions identifiables. Le dispositif peut contribuer à la transparence, mais son développement soulève une difficulté concrète pour les entreprises : une trace technique renseigne sur l’usage d’un outil, sans mesurer la contribution de celui qui s’en est servi.
Une signature inscrite dans la formulation
Un modèle de langage produit ses réponses en sélectionnant successivement des mots ou fragments de mots, appelés tokens. Les filigranes statistiques influencent discrètement certains choix possibles et créent un motif qu’un détecteur spécialisé peut rechercher. Ce motif est imperceptible à la lecture : il se trouve dans la formulation, et non dans les propriétés du fichier.
C’est le principe de textGrain, présenté par OpenAI en octobre 20261, et de SynthID Text, développé par Google DeepMind2 puis adapté par Anthropic3. Le signal peut survivre à un copier-coller4, mais une réécriture substantielle peut l’affaiblir. À l’inverse, une correction limitée à la grammaire peut laisser trop peu de choix de mots pour créer un filigrane détectable3. Les caractères Unicode invisibles, utilisés par d’autres procédés, relèvent d’une technique différente.
Des pratiques différentes chez les fournisseurs
OpenAI a annoncé le 5 octobre 2026 le déploiement progressif de textGrain dans les réponses textuelles éligibles de ChatGPT et Codex, son outil de programmation, dans l’Union européenne. Sur certains modèles accessibles par API, c’est-à-dire depuis d’autres logiciels, le marquage est proposé en option et reste désactivé par défaut1.
Anthropic applique un filigrane dérivé de SynthID Text à plusieurs modèles Claude récents, notamment dans Claude, Claude Code, destiné aux développeurs, et l’API. La mesure est mondiale sur les modèles concernés ; son extension aux anciens modèles est progressive4.
Google utilise SynthID Text dans l’application et l’interface web Gemini2. Un représentant a confirmé le 19 août 2026, sur le forum officiel des développeurs, que l’API Gemini produisait également des textes filigranés, rectifiant une réponse antérieure5. Cette confirmation ne permet pas de conclure pour toutes les configurations de Google Cloud.
Microsoft documente, depuis octobre 2026, une autre méthode dans certaines fonctions d’IA que Windows met à disposition des logiciels : l’insertion possible d’une séquence de caractères Unicode invisibles, susceptible de perturber le traitement de contenus structurés6. On ne peut pas en déduire le fonctionnement de Microsoft 365 Copilot.
La présence d’une marque dépend donc du modèle, de l’interface, de la date et parfois des paramètres de génération. Le nom commercial d’un assistant ne suffit pas à établir qu’un document est filigrané.
Ce que révèle réellement une détection
Un détecteur approprié peut signaler qu’un système donné est probablement intervenu dans la production d’un texte. Il n’identifie ni l’utilisateur, ni ses instructions, ni la part de réflexion humaine. Dans notre exemple, une détection positive ne départagerait pas une simple assistance rédactionnelle et une rédaction largement déléguée à l’IA.
La performance varie aussi selon les textes. Dans des tests d’OpenAI sur des réponses de vulgarisation en anglais d’environ 400 tokens à des questions de psychologie, textGrain a détecté près de 95 % des textes marqués, avec un taux cible de 1 % de faux positifs. Sur un autre test, le remplacement de 25 % des mots par des synonymes abaissait la détection à 17 % (contre 92 % sans modification)1. Ces résultats publiés par le fournisseur ne peuvent être extrapolés directement aux documents professionnels en français.
L’accès aux détecteurs constitue une autre limite : celui d’OpenAI est initialement réservé à des chercheurs et organismes spécialisés approuvés1, tandis qu’Anthropic propose un accès restreint à certaines organisations4. Un résultat susceptible d’influencer l’appréciation d’une prestation ou d’un travail salarié doit pouvoir être discuté, avec sa méthode et ses marges d’erreur. Ni un résultat positif ni l’absence de signal ne suffisent à établir l’origine complète d’un document.
Les obligations prévues par l’AI Act
Depuis le 2 août 2026, l’article 50 du règlement européen sur l’intelligence artificielle impose aux fournisseurs concernés de rendre les contenus générés détectables par un marquage lisible par machine, dans les limites de la faisabilité technique7. Pour les systèmes déjà mis sur le marché auparavant, le délai de mise en conformité concernant cette obligation court jusqu’au 2 décembre 20268. Le règlement laisse le choix de la technique et prévoit, à son article 50(2), une exception pour l’assistance à l’édition standard ou les modifications ne changeant pas substantiellement les données fournies ni leur sens. Cette exception porte sur l’obligation du fournisseur ; elle ne garantit pas qu’un outil de correction ne produira aucune marque.
L’article 50(4) concerne la publication de certains textes générés ou manipulés avec une IA, lorsque leur finalité est d’informer le public sur un sujet d’intérêt public. Une déclaration de leur origine artificielle est alors prévue, sauf si le contenu a fait l’objet d’une révision humaine réelle ou d’un contrôle éditorial, et qu’une personne physique ou morale assume la responsabilité éditoriale de sa publication7. Une simple vérification orthographique ne constitue pas un tel contrôle9.
L’utilisation d’un assistant IA dans un courriel, un compte rendu ou une proposition commerciale ne déclenche donc pas automatiquement une obligation de signalement. Pour les publications destinées au public, l’entreprise doit apprécier leur finalité et la réalité du contrôle éditorial effectué.
Les pratiques à mettre en place dans l’entreprise
L’enjeu dépasse désormais la présence du filigrane lui-même. À mesure que les vérifications se développeront, les conditions d’accès aux détecteurs, la transparence de leurs résultats et la possibilité de contester une erreur devront être examinées avec la même attention que leurs performances. Une signature technique peut éclairer le parcours d’un document ; la valeur du travail intellectuel reste à apprécier à partir de son contenu et des responsabilités effectivement exercées.
Les modèles exécutés localement peuvent apporter davantage de maîtrise technique aux entreprises qui en ont besoin, à condition d’auditer aussi les composants logiciels responsables de la génération. Le seul fait d’héberger un modèle chez soi ne prouve pas l’absence de marquage.
Le filigranage justifie quelques règles simples, proportionnées à l’importance des documents :
- Identifier les outils et les usages. Distinguer correction, reformulation, rédaction et publication automatisée ; vérifier les modalités de marquage lorsque l’origine du texte présente un enjeu.
- Assurer une validation humaine de fond. Contrôler les faits, les sources et les recommandations, puis identifier la personne qui assume la responsabilité du document.
- Garder les traces utiles du travail. Conserver les recherches, plans, versions significatives et validations, plutôt que toutes les conversations avec l’IA sans discernement.
- Encadrer l’emploi des détecteurs. Exiger des informations sur l’outil et ses limites, et permettre une discussion contradictoire avant toute conclusion professionnelle ou contractuelle.
Sources
-
OpenAI, « Notre approche des règles de l’UE sur la provenance des textes », 5 octobre 2026. ↩ ↩2 ↩3 ↩4
-
Anthropic, « How Claude’s text watermark works », 14 août 2026. ↩ ↩2
-
Anthropic, « How Claude marks AI-generated content », centre d’aide Claude. ↩ ↩2 ↩3
-
Google AI Developers Forum, rectificatif concernant l’API Gemini, 19 août 2026. ↩
-
Microsoft Learn, « Watermarking in Windows AI text APIs ». ↩
-
Commission européenne, AI Act Service Desk, article 50 du règlement sur l’intelligence artificielle (obligations de transparence). ↩ ↩2
-
Commission européenne, AI Act Service Desk, « When does enforcement start? ». ↩
-
Commission européenne, « Transparency obligations under Article 50 of the AI Act », questions-réponses. ↩
