Claude intègre un filigrane invisible dans tous ses nouveaux modèles, suscitant des réactions
Anthropic
Google/DeepMind
Meta
Microsoft
OpenAI
Moonshot AI
Anthropic a annoncé que ses nouveaux modèles Claude intégreront des filigranes invisibles dans le texte généré, conformément à la loi européenne sur l'intelligence artificielle. Le filigrane fait partie intégrante du texte et survit à la copie et à l'édition ; il sera appliqué à l'échelle mondiale. L'entreprise prévoit également d'ajouter des métadonnées signées à certains types de fichiers en utilisant les normes C2PA (Coalition pour la provenance et l'authenticité du contenu).
Anthropic a signé le code de conduite de la loi européenne sur l'IA concernant la transparence des contenus générés par IA, qui exige que les nouveaux modèles publiés après le 2 août 2026 intègrent des filigranes invisibles dans les textes générés. Le filigrane n'est pas une métadonnée mais fait partie intégrante du texte, ce qui le rend résistant au copier-coller et à certaines modifications. Ce mécanisme sera appliqué à l'échelle mondiale, pas seulement dans l'UE, et couvrira tous les produits Claude, y compris l'API, Claude, Claude Code, Claude Cowork et Claude Tag, ainsi que les clients cloud via AWS, Google Cloud et Microsoft Foundry. De plus, Anthropic ajoutera des métadonnées signées aux types de fichiers pris en charge comme SVG, PNG et JPG, conformément à la norme ouverte C2PA. L'entreprise développe des outils de détection pour les utilisateurs et les tiers afin de vérifier si un contenu a été traité par Claude, mais reconnaît des limites : la détection d'une marque ne confirme pas la paternité, et l'absence de marque ne garantit pas une origine non-IA. Les détails de l'algorithme ne sont pas publics. Auparavant, un utilisateur de Reddit avait découvert que Claude Code contenait des caractères Unicode cachés qui marquaient les utilisateurs chinois, suggérant qu'Anthropic a déjà utilisé de telles techniques. L'article exprime son scepticisme quant au fait que les filigranes n'affectent pas la qualité de génération.
Source: QbitAI 量子位 —
original
