Depuis le 11 août, Anthropic filigrane les textes produits par Claude. Le principe repose sur le choix des mots eux-mêmes, à chaque étape de génération du texte. Anthropic confirme qu'aucun caractère n'est ajouté et qu'aucun token supplémentaire n'est utilisé pour produire cette marque. Pour un cabinet qui manipule des actes et des courriers sous secret professionnel depuis vingt ans, la question mérite qu'on s'y attarde. Si un texte généré ou retouché par une IA peut, techniquement, être identifié après coup, cela change la manière de penser l'usage de ces outils dans un dossier client. Comment ça fonctionne concrètement Un modèle comme Claude génère un mot après l'autre. À chaque étape, plusieurs candidats restent plausibles. Prenez la phrase "le temps aujourd'hui était froid et..." : le mot suivant a peu de chances d'être "sucré", mais "couvert" et "gris" conviennent tout aussi bien. D'ordinaire, ce choix se règle au hasard. Le filigrane change la source de ce hasard. Claude utilise une clé et les mots qui précèdent pour déterminer le mot suivant, à la place d'un générateur aléatoire classique. Le résultat reste imprévisible pour le lecteur. Mais quelqu'un qui possède la clé peut vérifier si la séquence de mots correspond à ce que Claude aurait choisi avec cette clé. Plus le texte est long, plus la probabilité calculée devient fiable. Sur un texte court, l'information manque pour conclure quoi que ce soit. Anthropic parle de probabilité. Cela suggère un score de confiance plutôt qu'une réponse binaire "IA ou humain", mais l'entreprise n'a pas précisé comment ce résultat sera présenté à l'utilisateur. La méthode retenue s'appelle SynthID-Text, publiée par Google DeepMind dans Nature en 2024 et fondée sur une proposition du chercheur Scott Aaronson datant de 2022. Anthropic a choisi cette méthode déjà éprouvée pour Claude. Ce qui ne change pas La qualité et la lisibilité des réponses ne sont pas affectées, selon Anthropic. Dans les tests internes de Google DeepMind sur du trafic Gemini, aucune différence significative n'a été mesurée entre réponses filigranées et non filigranées, ni dans les notes des utilisateurs ni dans une étude comparative menée en aveugle.