Un texte sorti de Claude peut désormais transporter quelque chose que vous ne voyez pas : un filigrane intégré directement dans le texte.1

Pour certains fichiers, Anthropic ajoute aussi des métadonnées de provenance signées. L’entreprise cite notamment SVG, PNG et JPEG et utilise le standard ouvert C2PA.1

L’idée paraît simple : rendre le contenu généré par IA détectable par une machine.

La limite est plus intéressante. Anthropic insiste lui-même dessus : trouver une marque Claude ne permet pas de conclure que Claude a « écrit » le contenu au sens habituel du terme.1

Il peut simplement l’avoir corrigé, traduit, résumé ou converti.

Deux marques différentes

Anthropic décrit deux mécanismes.1

Le premier concerne le texte. Les modèles Claude pris en charge insèrent un filigrane imperceptible pendant la génération. Il ne doit pas changer le sens ni la lisibilité. Comme la marque appartient au texte lui-même, Anthropic dit qu’elle suit le contenu lorsqu’il est copié-collé et qu’elle peut survivre à certaines modifications.1

Nous n’avons pas encore de documentation technique publique suffisante pour savoir jusqu’où va ce « certaines ». Une correction légère et une réécriture complète ne sont évidemment pas la même épreuve.

Le second mécanisme concerne les fichiers. Lorsqu’un type pris en charge est généré, Claude peut lui attacher des métadonnées signées suivant C2PA. Cette signature peut indiquer qu’un fichier a été traité par Claude et aider à détecter une modification du fichier après la signature.1

C’est plus proche d’un passeport du fichier que d’une étiquette visible collée sur l’image.

La marque suit le modèle, pas seulement l’interface Claude

Anthropic dit appliquer ces marques aux modèles pris en charge partout où ils sont utilisés : Claude, l’API, Claude Code, Cowork et Tag, ainsi que via certains partenaires cloud pour le texte.1

Les modèles lancés dans l’Union européenne à partir du 2 août 2026 doivent prendre en charge le marquage dès leur lancement, dans le cadre des engagements de transparence pris par Anthropic. Les modèles antérieurs sont encore en cours d’adaptation.1

La conséquence pratique est importante pour les outils créatifs.

Un développeur qui intègre Claude dans son propre éditeur ne peut pas simplement supposer que le problème de provenance appartient à l’interface claude.ai. Le marquage est pensé au niveau du modèle.1

Cela rapproche la provenance du contenu lui-même plutôt que du produit qui l’a affiché.

« Traité par Claude » est une phrase beaucoup plus juste

C’est aussi là que le système devient moins magique.

Imaginez un illustrateur qui crée une image lui-même puis demande à Claude de la convertir dans un autre format. Ou un auteur qui écrit un texte, l’envoie pour corriger quelques fautes, puis récupère la version nettoyée.

Le fichier ou le texte peut porter une marque Claude. Cela ne transforme pas rétroactivement le travail original en génération IA.1

Anthropic le dit explicitement : une marque détectée indique que le contenu peut avoir été traité par Claude, pas que Claude est nécessairement l’auteur original.1

Cette nuance casse une utilisation très tentante du dispositif : le détecteur de triche absolu.

La provenance ne répond pas à « qui a eu l’idée ? », « combien a été généré ? » ou « quelle partie vient d’un humain ? ». Elle raconte un événement dans l’histoire du contenu.

Une chaîne de fabrication plutôt qu’un verdict

C’est probablement la bonne manière de penser C2PA et les systèmes voisins.

Dans un atelier, savoir qu’une pièce est passée par une machine CNC ne dit pas qui a dessiné la pièce. Cela documente une étape du procédé.

Pour le contenu numérique, la provenance peut fonctionner de la même manière : ce fichier est passé par tel outil, a reçu telle signature, puis a peut-être été modifié ensuite.

Cela devient particulièrement utile lorsque plusieurs outils travaillent à la suite. Un générateur produit une image, un autre outil la retouche, un humain ajoute du texte, une plateforme la compresse. La question « IA ou humain ? » devient vite trop primitive pour décrire la chaîne.

Un historique de transformations est moins satisfaisant qu’un gros tampon VRAI/FAUX. Il est beaucoup plus proche de ce qui s’est réellement passé.

Le détecteur n’est pas encore là

Anthropic promet aussi des mécanismes permettant aux utilisateurs et aux tiers de détecter les filigranes et métadonnées Claude.1

Mais la documentation technique détaillée de cette détection est encore annoncée pour plus tard.

C’est une limite concrète aujourd’hui. Une norme de provenance n’est vraiment utile à grande échelle que si les outils de lecture deviennent aussi ordinaires que les outils d’écriture.

Il faudra également voir ce que les plateformes conservent après export, compression, copier-coller et transformations diverses.

Pour l’instant, Anthropic pose surtout une architecture et une promesse de support.

Le contenu généré commence à garder des traces de fabrication

Pendant des années, nous avons traité un fichier numérique comme un résultat final : une image, un texte, un PDF.

Les outils génératifs rendent ce modèle moins suffisant. Un même fichier peut avoir été écrit par une personne, reformulé par un modèle, converti par un second, recadré par un troisième et publié par une plateforme.

Le marquage de Claude n’offre pas une réponse parfaite à cette chaîne. Anthropic prend même soin de dire qu’il n’en offre pas une.

Mais il installe une idée utile : un contenu peut transporter des traces vérifiables de la manière dont il a été fabriqué.

Pour les créateurs, les éditeurs et les développeurs, cette histoire est probablement plus utile qu’une étiquette binaire « humain » ou « IA ».